☁️AWS Machine Learning Blog•最新收集於 29m
SageMaker SDK v3 簡化自訂模型訓練
#script-mode#model-training#multi-gpu#container-workflowsamazon-sagemaker-aiamazon-sagemaker-aisagemaker-python-sdkscikit-learnstable-diffusion-3.5
💡從 Random Forest 到多 GPU 擴散模型微調，不重建 Docker 映像即可迭代 SageMaker 程式碼。
⚡ 30-Second TL;DR
有什麼變化
SDK v3 透過 ModelTrainer 與 ModelBuilder 統一 SageMaker Script mode 工作流程。
為什麼重要
重新設計的工作流程降低了將自訂訓練程式碼部署至 SageMaker 的門檻，尤其適合使用不同框架與硬體配置的團隊。執行階段程式碼同步也能縮短實驗週期，讓容器化訓練更容易採用。
下一步行動
安裝 SageMaker Python SDK v3，先使用 SourceCode 執行 Script mode 的 Random Forest 範例，再將相同流程改用於多 GPU 微調工作。
誰應關注：Developers & AI Engineers
關鍵要點
- •SDK v3 透過 ModelTrainer 與 ModelBuilder 統一 SageMaker Script mode 工作流程。
- •範例涵蓋 scikit-learn Random Forest，以及多 GPU Stable Diffusion 3.5 LoRA 微調。
- •SourceCode 可在執行階段將本機訓練程式碼同步至容器，迭代時不必反覆重新建置 Docker 映像檔。
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 11 個來源。
🔑 增強重點摘要
- •SDK v3 採用模組化架構，將套件拆分為 sagemaker-core、sagemaker-train 與 sagemaker-serve，顯著縮減安裝體積並優化依賴管理。
- •引入了針對現代基礎模型訓練的專用類別，包括 SFTTrainer（監督式微調）、DPOTrainer（直接偏好優化）與 RLAIFTrainer（AI 回饋強化學習）。
- •SDK v3 包含重大架構變更，移除了 v2 的 Estimator、Model 與 Predictor 等舊版介面，強制要求開發者進行程式碼遷移。
- •2026 年 4 月起，SageMaker Feature Store 功能已深度整合至 v3，支援 Iceberg 屬性配置與 Lake Formation 存取控制。
- •AWS 針對 v3 的複雜遷移需求，提供基於 AI 的遷移工具（如 Claude Code），協助自動化轉換舊版 Notebook 與腳本。
📊 競品分析▸ Show
| 特性 | AWS SageMaker SDK v3 | Google Vertex AI SDK | Azure Machine Learning SDK v2 |
|---|---|---|---|
| 訓練介面 | 統一 ModelTrainer | 框架特定 (CustomJob) | 框架特定 (CommandJob) |
| 部署抽象 | ModelBuilder | Model Registry/Endpoint | Model/Endpoint |
| 遷移成本 | 高 (架構重構) | 中 | 中 |
| 核心優勢 | 深度整合 AWS 生態與基礎模型訓練 | 與 Google Cloud 原生 AI 服務整合 | 與 Azure DevOps 及企業安全整合 |
🛠️ 技術深入
- 採用物件導向設計，透過 ModelTrainer 取代過往針對不同框架（如 PyTorch, SKLearn）的獨立 Estimator 類別。
- 支援執行階段程式碼同步機制，透過 SourceCode 映射將本機開發環境與容器環境連結，消除反覆建置 Docker 映像檔的需求。
- 支援配置驅動的封裝工具（如 mlp_sdk），允許開發者透過 YAML 定義 VPC、IAM 角色與運算資源設定。
- 強化日誌串流與訓練任務通知機制，提升大規模分散式訓練的監控能力。
🔮 前景展望AI analysis grounded in cited sources
MLOps 流程將全面轉向配置驅動（Configuration-driven）開發模式。
SDK v3 透過 YAML 封裝基礎設施設定，將大幅降低開發者對底層雲端架構的維運負擔。
舊版 SageMaker SDK v2 將在 12 個月內進入維護模式或停止支援。
由於 v3 涉及重大架構變更且不向下相容，AWS 勢必會透過生命週期管理推動用戶全面遷移。
⏳ 時間線
2025-11
AWS 預覽 SageMaker SDK v3 的模組化架構設計。
2026-04
SageMaker Feature Store 功能正式整合至 v3 SDK。
2026-08
SageMaker SDK v3 正式發布，全面支援 Stable Diffusion 3.5 微調與統一訓練介面。
📎 來源 (11)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： AWS Machine Learning Blog ↗
每週 AI 簡報
每週一封，可隨時退訂。