เกิดอะไรขึ้น

Amazon SageMaker Python SDK v3 ออกแบบโหมดสคริปต์ (script mode) ใหม่ทั้งหมด โดยนำเสนอคลาสรวมสองตัวคือ ModelTrainer และ ModelBuilder เพื่อทำให้การฝึกและการสร้างโมเดลเป็นเรื่องง่ายและคล่องตัวยิ่งขึ้น

โพสต์นี้สาธิตขั้นตอนการทำงานผ่านตัวอย่างแบบครบวงจรสองกรณี ได้แก่ โมเดล Random Forest ของ scikit-learn และการไฟน์จูนแบบมัลติ GPU ของ Stable Diffusion 3.5 ด้วยเทคนิค LoRA

กลไกใหม่ที่ชื่อ SourceCode จะซิงค์โค้ดจากเครื่องท้องถิ่นเข้าไปยังคอนเทนเนอร์ใดก็ได้แบบเรียลไทม์ขณะรันงาน ทำให้นักพัฒนาสามารถปรับแก้และทดลองได้โดยไม่ต้องสร้าง Docker image ใหม่ทุกครั้ง

เหตุใดเรื่องนี้จึงสำคัญ

การรวมคลาสสำหรับฝึกและสร้างโมเดลเข้าด้วยกันช่วยลดความยุ่งยากให้นักพัฒนา ซึ่งก่อนหน้านี้ต้องจัดการ API และการตั้งค่าที่แยกจากกันหลายชุด

การซิงค์โค้ดเข้าคอนเทนเนอร์โดยตรงขณะรันงานช่วยขจัดคอขวดสำคัญในขั้นตอนการทดลอง ทำให้ทีมงานสามารถทดสอบการเปลี่ยนแปลงได้เร็วขึ้นและใช้ทรัพยากรโครงสร้างพื้นฐานน้อยลง

การที่มีตัวอย่างงานขนาดใหญ่อย่างการไฟน์จูนแบบมัลติ GPU ด้วย LoRA รวมอยู่ด้วย สะท้อนให้เห็นว่า SDK v3 ถูกวางตำแหน่งให้รองรับงานยุคใหม่ที่ใช้ทรัพยากรจำนวนมาก

ข้อเท็จจริงสำคัญ

SageMaker Python SDK v3 ออกแบบโหมดสคริปต์ใหม่ทั้งหมด

การออกแบบใหม่นี้นำเสนอคลาสรวม ModelTrainer และ ModelBuilder

SourceCode ทำหน้าที่ซิงค์โค้ดจากเครื่องท้องถิ่นเข้าไปยังคอนเทนเนอร์ใดก็ได้แบบเรียลไทม์ขณะรันงาน

โพสต์นี้ครอบคลุมตัวอย่าง Random Forest ของ scikit-learn และการไฟน์จูน Stable Diffusion 3.5 ด้วย LoRA แบบมัลติ GPU

สิ่งที่ต้องจับตาต่อไป

คลาสรวมเหล่านี้จะกลายเป็นแนวทางหลักสำหรับขั้นตอนการฝึกโมเดลทั้งหมดของ SageMaker หรือไม่

ฟีเจอร์การซิงค์โค้ดขณะรันงานจะพัฒนาต่อไปอย่างไรเพื่อรองรับสถานการณ์การใช้งานจริงที่ซับซ้อนและอยู่ในระดับโปรดักชันมากขึ้น

แหล่งที่มา