一键从 Hugging Face 直达 SageMaker Studio

今天，Hugging Face 与 Amazon SageMaker AI 联合宣布了一项深度链接集成。开发者现在只需一次点击，就能从模型发现直达 SageMaker Studio 进行实践。无论是通过 Amazon SageMaker JumpStart 微调基础模型，还是将其部署到 Amazon SageMaker Inference 端点，你都能直接进入相应的 SageMaker Studio 工作流。所选模型已预加载，环境完全配置完毕，可直接使用。

此前，在 Hugging Face 上发现模型后，要开始在 SageMaker Studio 工作，需要经过多个步骤：打开 AWS 管理控制台中的 Amazon SageMaker AI、创建域、配置 IAM 权限，有时还要申请 GPU 配额。对于追求快速迭代的开发者来说，这些摩擦拖慢了从灵感到实验的进程。此次集成建立了一条从发现到企业级部署的更直接路径。

“在 Arcee，我们构建开放模型，让开发者和企业真正拥有他们运行的东西：检查权重、用自己的数据后训练、按自己的方式部署。这次集成将这一承诺推向了最后一步。从 Hugging Face 上的开放模型直接进入 SageMaker Studio，一键点击，然后在自己的 AWS 环境中微调或部署，无需任何额外接线——这正是开放模型一直缺少的体验。你拥有的开放权重，运行在你控制的云中。这正是我们的客户一直要求的组合。”
—— Mark McQuade，Arcee AI 创始人兼 CEO

随着一键式 Studio 着陆体验的推出，在支持的 Hugging Face 模型页面上选择“在 SageMaker AI 上自定义”或“在 SageMaker AI 上部署”，将直接带你进入控制台。SageMaker AI 会在数秒内自动配置一个具有预置权限的新域，并携带模型上下文。

新功能

此次发布引入了三项能力，缩短了从 Hugging Face 模型到可运行的 SageMaker Studio 工作流的路径。

从 Hugging Face 到 SageMaker Studio 的深度链接

在 Hugging Face 上浏览模型时，你会看到支持模型旁边的新操作按钮，它们直接映射到 SageMaker Studio 工作流：

• 在 SageMaker AI 上自定义：打开 Studio 的模型自定义页面，所选模型已预加载，随时可微调。
• 在 SageMaker AI 上部署：打开 Studio 的部署页面，模型已预配置为端点部署。

每个入口点都保持了上下文，这意味着你无需在进入 Studio 后再次搜索模型。

预配置权限

通过此流程创建的新 Studio 环境已配置了 SageMaker AI 全套功能的权限，包括模型自定义、训练作业、笔记本实验和端点部署。系统会自动创建并附加一个新的托管策略 AmazonSageMakerModelCustomizationCoreAccess，该策略提供了使用监督微调 (SFT)、直接偏好优化 (DPO)、带可验证奖励的强化学习 (RLVR) 以及来自 AI 反馈的强化学习 (RLAIF) 进行无服务器模型自定义作业的权限，并支持部署到 SageMaker AI 或 Amazon Bedrock 端点。这省去了手动创建和配置 AWS Identity and Access Management (IAM) 角色和策略的步骤。对于现有 Studio 环境，系统会显示带有文档直接链接的可操作消息，引导你添加这些权限。

GPU 配额可见性

在部署或训练选择实例类型时，Studio 界面现在直接在实例选择列表中显示配额可用性。你可以立即看到当前账户限制下哪些 GPU 实例类型（G5、G6）可用，无需单独导航到 Service Quotas。如果你仍需要请求增加配额，系统会直接重定向到相应实例类型的 Service Quotas 页面。

操作指南：从 Hugging Face 到 SageMaker Studio 的深度链接

让我们体验一下从 Hugging Face 开始自定义或部署模型的过程。

第 1 步：发现并选择

在 Hugging Face 模型页面，点击“部署”并选择“Amazon SageMaker AI”。如果模型受支持，你会看到“在 SageMaker AI 上部署”和“在 SageMaker AI 上自定义”两个按钮。然后选择一个受支持模型上的“在 SageMaker AI 上自定义”。

第 2 步：登录

系统提示你使用现有凭证登录 AWS。如果你已有活跃的控制台会话，此步骤会自动跳过。更多信息请参阅 登录 AWS 管理控制台。

第 3 步：进入 Studio

你直接到达 SageMaker Studio 内的模型自定义页面，模型已预选。接下来，配置你的微调参数，如训练数据、超参数和实例类型，然后提交自定义作业。

或者，选择“在 SageMaker AI 上部署”将打开 Studio 中的端点部署页面，模型已预配置。选择你的实例类型（包含配额可见性），检查设置，然后部署。

第 4 步：测试端点

部署端点后，直接从 Studio 的端点 测试界面 测试推理。

开始使用

现在即可体验：

1. 浏览 Hugging Face 上的模型。
2. 在支持的模型上寻找“在 SageMaker AI 上自定义”或“在 SageMaker AI 上部署”按钮。
3. 选择并遵循简化的登录流程。
4. 在完全配置好的 SageMaker Studio 环境中开始构建。

结论

一键式 Studio 着陆体验的发布，最大程度减少了发现模型与实验模型之间的摩擦。通过直接将 Hugging Face 连接到 SageMaker Studio 工作流，开发者可以保持流畅，无需上下文切换、手动环境设置或权限排查。

要开始使用，请访问 Amazon SageMaker Studio 页面，或在 Hugging Face 上探索模型并选择“部署”或“在 SageMaker AI 上自定义”。

---

原文链接：Hugging Face
本文由前途科技编辑整理