开源的 AI 训练跟踪与可视化平台,记录指标、超参数与硬件状态,支持云端或私有化部署。
aws/amazon-sagemaker-examples
一组基于 Amazon SageMaker 的示例 Jupyter 笔记本,演示如何构建、训练和部署机器学习模型。
- Star
- 10,994
- Fork
- 6,951
- 未关闭 Issue
- 855
- 最近提交
- 10天前
这是什么?
这是一个 Jupyter 笔记本示例库,按照 Amazon SageMaker 的完整流程组织内容,涵盖训练、模型定制、评估、推理和 MLOps 五个阶段。每个笔记本都自带所需的脚本、数据和图片,可以独立运行。
训练部分使用 SageMaker Python SDK v3 中的 ModelTrainer,涉及分布式训练、托管 Spot 训练与检查点、自带容器以及以训练任务方式运行本地代码等内容。模型定制部分涵盖有监督微调、DPO、RLVR、持续预训练等方法。推理部分基于 ModelBuilder,介绍实时、无服务器和异步端点,以及 A/B 测试、自动扩缩容和部署到 Amazon Bedrock 的做法。
笔记本默认预加载在 SageMaker Notebook Instance 中,也可在其他环境运行,只需更新 IAM 角色并安装依赖。该仓库由 SageMaker 团队维护,另有独立的社区仓库接收补充示例。
核心功能
- 01笔记本按训练、模型定制、评估、推理和 MLOps 生命周期分类
- 02示例基于 SageMaker Python SDK v3 的 ModelTrainer 和 ModelBuilder
- 03涵盖分布式训练、托管 Spot 训练和自带容器等训练方式
- 04提供实时、无服务器和异步端点的推理示例
- 05包含基于 SageMaker Pipelines、Model Registry、Feature Store 和 MLflow 的 MLOps 示例
适用场景
- 通过可运行的示例学习如何在 SageMaker 上训练和部署模型
- 在 SageMaker 上使用 SFT、DPO 或强化学习微调基础模型
- 搭建带模型注册表和血缘追踪的 MLOps 流水线
- 比较实时、无服务器和批量推理等部署方案
快速上手
- 1
创建 AWS 账户
- 2
配置 IAM 用户和角色权限
- 3
创建 Amazon SageMaker Notebook 实例和 S3 存储桶
- 4
在 Jupyter 或 JupyterLab 中打开 SageMaker Examples 标签页并运行笔记本
使用前须知
- 需要 AWS 账户,运行示例会产生 AWS 费用。
- 大多数示例依赖 SageMaker 托管资源,在其他环境运行需要修改,例如更新 IAM 角色并安装所需库。
收录于专题
标签
常见问题
- amazon-sagemaker-examples 是什么?
- 一组基于 Amazon SageMaker 的示例 Jupyter 笔记本,演示如何构建、训练和部署机器学习模型。 这是一个 Jupyter 笔记本示例库,按照 Amazon SageMaker 的完整流程组织内容,涵盖训练、模型定制、评估、推理和 MLOps 五个阶段。每个笔记本都自带所需的脚本、数据和图片,可以独立运行。
- amazon-sagemaker-examples 可以免费使用吗?用的什么许可证?
- amazon-sagemaker-examples 以 Apache-2.0 许可证开源。用于商业产品前,请先确认许可证条款。
- amazon-sagemaker-examples 还在维护吗?
- 活跃维护中。amazon-sagemaker-examples 最近一次提交是在 2026年10月14日。
- amazon-sagemaker-examples 适合用来做什么?
- 通过可运行的示例学习如何在 SageMaker 上训练和部署模型 在 SageMaker 上使用 SFT、DPO 或强化学习微调基础模型 搭建带模型注册表和血缘追踪的 MLOps 流水线 比较实时、无服务器和批量推理等部署方案
- amazon-sagemaker-examples 怎么安装和运行?
- 创建 AWS 账户 配置 IAM 用户和角色权限 创建 Amazon SageMaker Notebook 实例和 S3 存储桶 在 Jupyter 或 JupyterLab 中打开 SageMaker Examples 标签页并运行笔记本
- 在哪里获取 amazon-sagemaker-examples?
- 源代码和安装说明在 GitHub 上:https://github.com/aws/amazon-sagemaker-examples
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
用于在 Amazon SageMaker 上训练和部署机器学习模型的 Python SDK。
Ray 是一个统一的框架,可将 Python 和 AI 应用从笔记本扩展到集群运行。
用于构建和部署 AI 模型推理 API、多模型流水线和 LLM 应用的 Python 库,支持 Docker 与 Kubernetes 部署。
一个开源技能库,包含 98 个技能包,让 Claude Code、Codex、Gemini CLI 等编程智能体具备 AI 研究与工程能力。
开源 Python 框架,用于评估、测试和监控机器学习与 LLM 系统,内置 100 多种指标。