Amazon Sagemaker AI的新功能继续改变组织如何开发AI模型

在这篇文章中,我们分享了Sagemaker AI中的一些新创新,这些创新可以加速您的构建和培训AI模型。这些创新包括SageMaker Hyperpod中的新可观察性功能,在HyperPod上部署JumpStart模型的能力,从本地开发环境中与SageMaker AI的远程连接以及完全管理的MLFLOW 3.0。

来源:亚马逊云科技 _机器学习
随着AI模型变得越来越复杂和专业化,快速训练和自定义模型的能力可能意味着行业领导力与落后的差异。这就是为什么成千上万的客户使用Amazon Sagemaker AI的完全管理的基础架构,工具和工作流来扩展和推动AI模型开发。自2017年推出以来,SageMaker AI已通过降低复杂性的同时最大程度地提高绩效来改变组织模型开发的方式。从那以后,我们继续不懈地创新,自推出以来,增加了420多个新功能,以赋予客户快速有效地构建,培训和部署AI模型的最佳工具。如今,我们很高兴宣布新的创新基于SageMaker AI的丰富功能,以加速客户的构建和培训AI模型。AmazonSagemaker Hyperpod:开发AI ModelsAws的首选基础架构,推出了Amazon Sagemaker Hyperpod,在2023年推出了Amazon Sagemaker Hyperpod,以降低性能和构建AI模型时的复杂性和最大化的性能和效率。借助SageMaker HyperPod,您可以快速扩展成千上万个AI加速器的生成AI模型开发,并将基础模型(FM)培训和微调开发成本降低多达40%。当今的许多顶级车型都经过了Sagemaker Hyperpod的培训,包括来自拥抱Face,Luma AI,Pelplexity AI,Salesforce,Thomson Reuters,Writer和Amazon的模型。通过培训亚马逊Nova FMS对Sagemaker Hyperpod的培训,亚马逊节省了数月的工作,并增加了对计算资源的利用,至90%以上。进一步简化了工作流程,使开发和开发和部署模型更快,新的命令线界面(CLI)(CLI)(CLI)和软件开发KIT(SDK)可简化基于单一的界面和一致的界面,并提供了一个互动的界面,并构建了互动的互动,并提供了无效的界面,并构建了不合格的界面,并提供了互联网的界限,并提供了分散和不合适的界面,并提供了互联网的界限,并提供了互联网的范围,并提供了分类和不合格的界限具有集成监控和控制的自定义工作流程。今天,我们也是Addi