使用 Amazon SageMaker Model Registry 有效管理生成式 AI 应用程序的基础模型
在这篇文章中，我们探讨了 Model Registry 的新功能，这些功能简化了基础模型 (FM) 管理：您现在可以注册解压的模型工件并传递最终用户许可协议 (EULA) 接受标志，而无需用户干预。
来源:亚马逊云科技 _机器学习生成人工智能（AI）基础模型（FMS）由于其多功能性和解决各种用例的潜力而广受欢迎。当FMS适应特定域数据时，可以实现它们的真实值。在整个业务和模型生命周期内管理这些模型可能会引入复杂性。由于FMS适应了不同的域和数据，因此对这些管道进行操作变得至关重要。
生成人工智能Amazon Sagemaker是一项全面管理的服务，用于构建，培训和部署机器学习（ML）模型，已经看到采用了增加的采用，以自定义和部署为生成AI应用程序的FMS。 SageMaker提供了丰富的功能，可以构建自动化工作流以大规模部署模型。模型注册表是围绕模型管理的卓越运营的关键功能之一。模型注册表有助于分类和管理模型版本，并促进协作和治理。当对模型进行培训并评估性能时，它可以存储在模型管理模型注册表中。
Amazon Sagemaker 模型注册表Amazon SageMaker已发布模型注册表中的新功能，使版本和目录FMS易于版本。客户可以使用SageMaker训练或调整FMS，包括Amazon Sagemaker Jumpstart和Amazon Bedrock型号，还可以在模型注册表中管理这些模型。随着客户开始在各种用例中扩展生成性AI应用程序，例如针对域特异性任务进行微调，模型的数量可以迅速增加。为了跟踪模型，版本和相关的元数据，SageMaker模型注册表可以用作模型清单。
Amazon Sagemaker Jumpstart 亚马逊基岩在这篇文章中，我们探讨了简化FM管理模型注册表的新功能：您现在可以注册未拉链的模型工件并传递最终用户许可协议（EULA）接受标志，而无需用户进行干预。
概述
model_data_source
source_uri