Подборка open source-библиотек для развертывания, мониторинга, версионирования, масштабирования и защиты ML-моделей в production.
aws/sagemaker-python-sdk
Python SDK для обучения и развертывания моделей машинного обучения в Amazon SageMaker с поддержкой фреймворков, встроенных алгоритмов и собственных контейнеров.
- Звёзды
- 2,270
- Форки
- 1,317
- Открытые issues
- 237
- Последний коммит
- вчера
Что это?
SageMaker Python SDK — библиотека с открытым исходным кодом для обучения и развертывания моделей машинного обучения в Amazon SageMaker. Она позволяет запускать задания на обучение и размещать модели из кода на Python, используя фреймворки глубокого обучения, такие как PyTorch и MXNet, встроенные алгоритмы Amazon или собственные алгоритмы, упакованные в совместимые с SageMaker Docker-контейнеры.
В версии 3.x используются унифицированные классы: ModelTrainer для обучения и ModelBuilder для развертывания и инференса. Они заменяют классы Estimator и Model, специфичные для отдельных фреймворков и использовавшиеся в версии 2.x. Линейка 3.x разделена на отдельные пакеты PyPI для core, training, serving и MLOps. Начиная с версии 3.1 также доступны тренеры для дообучения моделей (SFT, DPO, RLAIF, RLVR).
SDK поддерживает Unix/Linux и macOS с Python версий 3.10–3.12. Для работы нужны аккаунт AWS и IAM-роль с разрешениями SageMaker.
Ключевые возможности
- 01Обучайте модели с помощью PyTorch, MXNet и других фреймворков в SageMaker.
- 02Используйте встроенные алгоритмы Amazon или собственный Docker-контейнер.
- 03Развертывайте обученные модели на эндпоинтах для инференса в реальном времени с помощью ModelBuilder.
- 04Дообучайте фундаментальные модели с помощью LoRA или полного дообучения.
- 05Устанавливайте модульные пакеты для core, training, serving и MLOps.
Сценарии использования
- Запускайте распределенные задания на обучение из Python на управляемых GPU-инстансах AWS.
- Развертывайте обученную модель как эндпоинт для инференса в реальном времени.
- Дообучайте большую языковую модель на собственных данных в AWS.
- Создавайте конвейеры MLOps с реестром моделей и заданиями обработки данных.
Быстрый старт
- 1
Установите SDK из PyPI с помощью pip
pip install sagemaker
Что важно знать
- Решение предназначено для Amazon SageMaker, поэтому нужны аккаунт AWS и разрешения IAM.
- Согласно README, поддерживаются только Unix/Linux и Mac.
- В версии 3.x удалены классы Estimator, Model и Predictor из версии 2.
Темы
Частые вопросы
- Что такое sagemaker-python-sdk?
- Python SDK для обучения и развертывания моделей машинного обучения в Amazon SageMaker с поддержкой фреймворков, встроенных алгоритмов и собственных контейнеров. SageMaker Python SDK — библиотека с открытым исходным кодом для обучения и развертывания моделей машинного обучения в Amazon SageMaker. Она позволяет запускать задания на обучение и размещать модели из кода на Python, используя фреймворки глубокого обучения, такие как PyTorch и MXNet, встроенные алгоритмы Amazon или собственные алгоритмы, упакованные в совместимые с SageMaker Docker-контейнеры.
- sagemaker-python-sdk можно использовать бесплатно? Какая у него лицензия?
- sagemaker-python-sdk распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- sagemaker-python-sdk всё ещё поддерживается?
- Активно поддерживается. Последний коммит в sagemaker-python-sdk — 23 окт. 2026 г..
- Для чего можно использовать sagemaker-python-sdk?
- Запускайте распределенные задания на обучение из Python на управляемых GPU-инстансах AWS. Развертывайте обученную модель как эндпоинт для инференса в реальном времени. Дообучайте большую языковую модель на собственных данных в AWS. Создавайте конвейеры MLOps с реестром моделей и заданиями обработки данных.
- Как установить sagemaker-python-sdk?
- Установите SDK из PyPI с помощью pip: pip install sagemaker
- Где скачать sagemaker-python-sdk?
- Исходный код и инструкции по установке — на GitHub: https://github.com/aws/sagemaker-python-sdk
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Подборка примеров Jupyter notebooks, которые показывают, как создавать, обучать и развёртывать модели машинного обучения на Amazon SageMaker.
Python-библиотека Hugging Face для загрузки публичных AI-датасетов с Hub одной строкой и эффективной предобработки с помощью инструментов на базе Arrow.
Python-библиотека и облачная платформа для отслеживания, визуализации и управления экспериментами машинного обучения, датасетами и моделями.
Open-source платформа для отслеживания и визуализации обучения AI-моделей: метрики, гиперпараметры и статистика оборудования; доступна в облаке или для самостоятельного размещения.
Открытая Python-платформа для ML- и AI-процессов в виде пайплайнов на собственной или облачной инфраструктуре — от обучения моделей до запуска агентов.