AI图鉴

AI图鉴首页 › AI 资讯 › 使用 Amazon SageMaker 训练课程 API 写入自己的训练循环——

使用 Amazon SageMaker 训练课程 API 写入自己的训练循环——不管理 GPU

来源:AWS ML Blog · 发布时间:10-23 · 由 AI图鉴每小时自动聚合

Amazon SageMaker AI训练课程 API 允许您在服务运行时将自己的 LLM 训练循环(SFT, RL,或自定义目标) 写入 Python 脚本

人工智能

使用 Amazon SageMaker 训练课程 API 写入自己的训练循环——不管理 GPU

微调一种大型语言模型(LLM)今天通常强制在训练循环控制与操作简便之间进行权衡。 有了完全管理好的服务后,您会选择一个基础模型,提供数据和超参数,服务拥有其他一切,当一个标准,预先包装的配方适合您的问题时,这个服务效果很好。 管理较少的服务会给你更多的控制,但你也管理更多的基础基础设施和培训框架。 有时标准食谱还不够:您需要自定义的丢失或数据课程,一旦你需要自己塑造训练程序,你便承担基础设施的工作,以获得算法自由。

如今,Amazon SageMaker AI 扩展中的无服务器模型定制与培训会话API,通过将抽象边界绘制为更低一层来消除这种权衡。 与其抽象地去掉算法,不如抽象地去掉计算。 前向后向( ), opatim step( ),和样本( ) 等操作成为 SageMaker API 的调用,由您编写到您技术需要的任何程序:SFT,偏好优化,RL,或者新的东西。 通话目标是一个活的,状态良好的会话,所以模型在GPU上停留在跨台阶的加载上,你按需要驱动尽可能多的通话。 该服务处理运行时间设置,分布执行,梯度同步,断层恢复,租户隔离,以及运行GPU的操作规模。 你写训练环,和SageMakerAI运行基础设施。

SageMaker训练课程的烹饪手册,一套随时可运行的 SFT 和 RL 食谱

在此文章中,我们引入了编程模型和三个SDK客户端,并显示培训课API在SageMaker AI的模型培训和定制选项中的位置。 然后我们拆开一个关于年级数学问题的最小RL循环(GSM8K),以显示操作是如何组合起来的,并用烹饪本上的现实世界工作量完成:增强对竞争性编程问题的学习,通过运行单位测试来分级生成的代码。

SageMaker AI培训课的API是什么?

通过 SageMaker AI 训练课程 APIs,您可以在本地机器上从自己的Python 进程驱动一个实时的,GPU支持的会话。 SageMaker AI 运行在装有你所选择的基础模型的管理加速器上加上你的低亮适应(LoRA)适配器没有描述整个工作的配置文件,你从代码中交互控制每个步骤发生的事情,这样你就可以快速地进行脚踏和调试。

职责分工是这样的:

API在SageMaker Python SDK中围绕三个客户组织,按顺序创建。 A ServiceClient 持有平台级设置(执行角色,模型包组,Amazon简单存储服务(Amazon S3)输出位置,以及可选的AWS密钥管理服务(AWS KMS)密钥和虚拟私有云(VPC)配置,您也可以在每会话中推翻)并开始一个会话。 ServiceClient 即时操作 a Trainclient(培训和检查操作,如前向,前向后向,优化步骤,以及保存 qu量 for sampler),这反过来会即时操作 样板操作(样本和计算 logprobs,用于在推出和评价时生成和评分). API 调用地图到您循环中的一个操作。 一个活动会话还服务于OpenAI兼容的聊天完成端点,因此现有的OpenAI客户端代码可以从中取样。

对于强化学习,循环具有特征形状。 下图显示 1 个训练步骤以及每个部分运行的地方:在服务管理的GPU上使用绿色调用API的步数,以及紫色的步数,你的循环控制和奖励逻辑,运行在你的机器上。

每个步骤都从GPU上的当前模型中装入一批 prompt和(1)样本。 您的 Python 代码然后(2) 对这些输出进行评分:验证器、 奖励模式调用、 测试控制带、 任何您可以用代码表达的内容。 (3) 向后退和 optimm step 将分数转换为 GPU 的梯度更新,(4) 保存重量和给样本客户端() 刷新采样器,以便下一步从更新的模型中提取。

您拥有数据、 循环控制和奖励;SageMaker AI 运行 GPU 的采样、 梯度和检查点操作。 同样的原始人覆盖了监督的微调(SFT)和其他LLM训练技术。 对于 SFT,将采样和奖励步骤放下,并用一个横跨的 entropy 丢失来调用标签上的例子。

Amazon SageMaker AI中

当您需要快速的迭代周期和算法自由时,训练课程API 是正确的起点,例如自定义丢失、 新的 RL 奖励信号、 或多阶段管道,但不想自己提供或操作 GPU 基础设施。

使用费每处理一个符号就收费,如果你的奖励功能需要10秒才能在你的机器上分出一个批次,则在运行时没有GPU时间计费。 与小时GPU计费相比,这有两个实际好处。 首先,没有闲置的GPU成本:奖励计算、数据加载、记录和调试都发生在时钟之外,你只有在调用GPU捆绑操作时才计费。 第二,成本尺度与你的数据集和生成量,而不是与时钟时间或集群大小,这使得支出更容易预测和实验比较。 为整个会话保留GPU所产生的节余对于当地计算繁重的工作量可能很大,例如复杂的奖励模式、多工具代理推出,或人员即时评价。

培训课程 API 是为工作由培训算法,而不仅仅是数据集定义的团队而构建的。 因为你自己编程环路,同样的原始人支持监督微调(SFT),在标注数据上带有交叉 entropy损失,加固学习用po,重要性采样,或cispo(GRPO,PPO,以及其他类群关系方法),以及自定义的目标,如偏好优化或蒸馏,由同一块构建。 它们适合:

- 实施RL方法(GRPO、PPO、重要抽样变体)、定制优势估计器或新目标的培训和调整后研究人员。

需要非标准损失、数据课程或多阶段管道

- 代理和多回合RL建设者,他们需要定制的推出逻辑、奖励塑造和课程。

- 机器学习(ML)工程师

- 研究人员移植现有的训练-浏览码,因为基于操作的编程模型地图直接写入了针对低级前向、优化步骤和API样本的循环。

培训课的API文件列出了所支持的基础模型和AWS区域。

Amazon SageMaker AI范围内的培训课程

APIs在SageMaker AI的模型定制选项中处于一个独特的位置:对培训算法的控制大大高于完全管理的无服务器模式定制,业务所有权远低于Amazon SageMaker培训工作或Amazon SageMaker HyperPod的培训。

解剖一个训练循环:关于数学问题的GRPO

本节拆分一个最小的强化学习循环,以显示操作如何组合。 任务为GSM8K,一个约8500个年级数学字问题的基准测试,每个字都有单数答案,如下例所示:

娜塔莉娅在4月向48位朋友出售剪辑,之后她在5月卖出了一半的剪辑。 4月和5月Natalia总共卖了多少片段?

我们为OpenAI的GPT-OSS 20B训练LoRA适配器,采用集团相对政策优化(GRPO):对于每个问题,模型产生多个响应,每个响应的得分正确,击败集团平均水平的响应得到强化。 完整,可运行的例子在 Amazon SageMaker 示例库中。

在开始开会之前,请在文件中填写先决条件。

开幕会话

创建会话,然后从中获取标定器和采样机:

确定奖励和好处

任务特定逻辑是运行在您的机器上的两个短函数:

循环

每个步骤都遵循图2所示的四个阶段,绘图,构建即时,构建训练 datum是样本中的短助手:

三个细节使这个循环工作:

业务还原期货。 每个 GPU 绑定的调用立即返回一个 APIFuture:请求由背景提交者排队发送,并且。 results () 等待值。 循环在等待任何步骤之前提交所有步骤的取样请求,所以整个批次同时生成。 训练操作按您调用的顺序运行,因此在前向后向完成前可以提交 optim step。

基准携带损失所需的一切。 建立 training datum 将快速和响应符,样本中的每根日志(),优势,以及一个能使快速排除丢失的权重掩码打包。

检查点是模型包。 每个保存都会在您的模型包组中注册一个版本,包括上面循环中刷新的每步采样器。 经过训练,再省两笔资金,增加了一个部署的合并模型和一个带有重量和优化器的可恢复状态。

要恢复,请从最近的检查点开始新的会话,并使用创建 training client from state with optiger。

运行的会话会违反您的并行会话配额,直到您调用停止( ) 或到期为止,所以当您完成时停止它,包括在错误路径中,或在块中打开客户端。 合并后的检查站部署在实时端点。 将检查点作为LoRA适配器

在我们的抽样中,关于40个问题的10个培训步骤被搁置的精确度从56%到75%。

现实世界的工作量:竞争性方案拟订的RL

GSM8K保持了力学的可见性,但生产RL工作量新增更多:更长的代数,多转动的相互作用,一个外部的分级器,以及足够的吞吐量使GPU保持繁忙。 SageMaker培训课的烹饪手册套件,在同样的操作基础上进行再利用培训循环。 对于新的RL任务,您会写一个环境:模型所看到的,其答案如何得分,以及它是否得到另一个转折。 烹饪手册处理批量,聊天模板,优势估计,重复采样和培训,验证,检查与恢复,以及每步的度量标准,并记录每个运行的配置,以便重复。 code rl配方使用它来训练一种关于竞争性编程问题的模型。

任务问题来自DeepCoder数据集(用于培训的PrimeIntellect,TACO,和LiveCode Bench;用于测试的Codeforce和LiveCode Bench). 该模型会写一个 Python 解决方案,它与您机器上的 Sandbox Fusion 容器中的问题单元测试相悖。 当所有测试通过时,奖励为1分,否则为0分,答复中未包含代码块时,奖励为0.1分。

多回合工具的使用。 通过两个转弯,模型可以调用检查溶解工具,读取测试结果,并在最终分级前修改答案。 工具调用和结果以模型的本地聊天格式提供,所以模型的训练是相同的,用于

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

C-SSH

C-SSH 是跨平台 SSH 工作台,整合持久终端、文件管理、服务器监控和可选 AI 排障助手,支持 Win

热核算力

热核算力面向开发者提供统一的 GPT API 聚合服务,按模型和分组用量计费(兑换券人民币 5 元起),没有

1Panel AI 网关

1Panel AI 网关为内部 AI 应用和模型调用提供统一接入入口,支持模型代理、席位管理、用量统计、智能

AI Text Cleaner

AI Text Cleaner 可在浏览器中清除草稿中的隐藏 Unicode 字符、零宽空格和残留 Mark

相关免费羊毛

Cloudflare Workers AI

每日 1 万神经元免费额度,50+ 开源模型

Microsoft Azure

学生 $100 云额度(含 Azure OpenAI)

Amazon Bedrock

新用户 $200 AWS 额度

IBM Cloud

40+ 项 Lite 计划永久免费

同源资讯

在不管理 GPU 的情况下,宣布自定义 SageMaker AI 模型的新方式

AWS ML Blog · 10-23

在符合HIPAA条件的环境中部署AI,使用Amazon快速

AWS ML Blog · 10-23

AI agents使用Kokoro TTS在Amazon SageMaker AI上流传的低纬度演讲

AWS ML Blog · 10-23

停止猜测 Amazon SageMaker AI 上的 TTS 自动缩放目标

AWS ML Blog · 10-23

重新尺度是如何与 Strands Agents 和 AI-DLC 一起构建一个 AI 分类的 agent

AWS ML Blog · 10-23

阅读原文(aws.amazon.com)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 586 款 AI 工具分类导航 · 每日 AI 热门项目与动态