Hugging Face から Amazon SageMaker Studio へワンクリックで
Hugging Face と Amazon SageMaker AI は、開発者がモデル発見から SageMaker Studio での実験までワンクリックで移行できるディープリンク統合を発表しました。この統合により、権限が事前設定され、GPU クォータが表示され、微調整とデプロイのワークフローが合理化されます。
本日、Hugging Face と Amazon SageMaker AI の間のディープリンク統合を発表できることを嬉しく思います。開発者は、モデル発見から SageMaker Studio での実践的な実験まで、たった一回の選択で移行できるようになりました。Amazon SageMaker JumpStart からの foundation model (FM) の微調整や、Amazon SageMaker 推論エンドポイントへのデプロイのいずれの場合でも、関連する SageMaker Studio ワークフローに直接アクセスできます。選択したモデルはプリロードされ、環境は完全に設定され、すぐに使用できます。
以前は、Hugging Face でモデルを発見した後、SageMaker Studio を使い始めるには複数の手順が必要でした。これには、AWS 管理コンソールで Amazon SageMaker AI を開く、ドメインを作成する、AWS Identity and Access Management (IAM) 権限を設定する、場合によっては GPU クォータをリクエストするなどが含まれていました。迅速に反復したい開発者にとって、この摩擦はインスピレーションから実験への道のりを遅らせていました。この統合により、発見からエンタープライズデプロイメントへのより直接的な経路が作成されます。
「Arcee では、開発者と企業が自分たちが実行するものを実際に所有できるように、オープンモデルを構築しています。つまり、重みを検査し、独自のデータでポストトレーニングし、独自の条件でデプロイできるようにすることです。この統合は、その約束を最後の1マイルまで運びます。Hugging Face 上のオープンモデルから SageMaker Studio にワンクリックで直接移動し、何も配線することなく自分の AWS 環境内で微調整またはデプロイできることは、オープンモデルに欠けていた体験です。自分が所有するオープンな重みを、自分が制御するクラウドで実行する。まさにそれが、お客様が求めていた組み合わせです。」
— Mark McQuade、Arcee AI 創業者兼 CEO
ワンクリック Studio 体験の開始により、サポートされている Hugging Face モデルページで「SageMaker AI でカスタマイズ」または「SageMaker AI にデプロイ」を選択すると、コンソールに直接移動します。SageMaker AI は、数秒で事前設定された権限を持つ新しいドメインを自動的にプロビジョニングし、モデルコンテキストを引き継ぎます。
新機能
今回のリリースでは、Hugging Face モデルから動作する SageMaker Studio ワークフローへの経路を短縮する3つの機能を導入します。
Hugging Face から SageMaker Studio へのディープリンク
Hugging Face でモデルを参照する際、サポートされているモデルの横に、SageMaker Studio ワークフローに直接マッピングされるアクションボタンが表示されるようになりました：
「SageMaker AI でカスタマイズ」は、Studio のモデルカスタマイズページを開き、選択したモデルがプリロードされ、微調整の準備が整います。
「SageMaker AI にデプロイ」は、Studio のデプロイページを開き、モデルがエンドポイントデプロイ用に事前設定されます。
各エントリポイントはコンテキストを保持するため、Studio 内でモデルを再度検索する必要はありません。
事前設定された権限
このフローを通じて作成された新しい Studio 環境には、モデルカスタマイズ、トレーニングジョブ、ノートブック実験、エンドポイントデプロイなど、SageMaker AI の全機能に対する権限が事前設定されています。新しい管理ポリシー AmazonSageMakerModelCustomizationCoreAccess が作成され、自動的にアタッチされます。これにより、教師あり微調整 (SFT)、直接選好最適化 (DPO)、検証可能な報酬による強化学習 (RLVR)、AI フィードバックからの強化学習 (RLAIF) を使用したサーバーレスモデルカスタマイズジョブの権限が提供され、SageMaker AI または Amazon Bedrock エンドポイントへのデプロイがサポートされます。これにより、実験を開始する前に IAM ロールとポリシーを手動で作成および設定する必要性が軽減されます。既存の Studio 環境については、ドキュメントへの直接リンクを含むアクション可能なメッセージが、これらの権限を追加するためのガイダンスを提供します。
GPU クォータの可視性
デプロイまたはトレーニング用のインスタンスタイプを選択する際、Studio UI はインスタンス選択リストにクォータの可用性を直接表示します。現在のアカウント制限の下でどの GPU インスタンスタイプ (G5、G6) が利用可能かを即座に確認できます。Service Quotas に別途移動する必要はありません。それでも制限の増加をリクエストする必要がある場合は、該当するインスタンスタイプの Service Quotas ページに直接リダイレクトされます。
チュートリアル: Hugging Face から SageMaker Studio へのディープリンク
Hugging Face から始めて、モデルをカスタマイズまたはデプロイする体験を順を追って見てみましょう。
ステップ 1: 発見して選択
Hugging Face のモデルページで、サポートされているモデルに対して「SageMaker AI でカスタマイズ」を選択します。
ステップ 2: サインイン
既存の認証情報を使用して AWS にサインインするよう求められます。アクティブなコンソールセッションが既にある場合、このステップは自動的にスキップされます。詳細については、「AWS 管理コンソールへのサインイン」を参照してください。
ステップ 3: Studio にアクセス
SageMaker Studio 内のモデルカスタマイズページに直接移動し、モデルが事前選択されています。次に、トレーニングデータ、ハイパーパラメータ、インスタンスタイプなどの微調整パラメータを設定し、カスタマイズジョブを送信します。
または、「SageMaker AI にデプロイ」を選択すると、モデルが事前設定された状態で Studio のエンドポイントデプロイページが開きます。インスタンスタイプを選択し（クォータの可視性を含む）、設定を確認してデプロイします。
ステップ 4: エンドポイントをテスト
エンドポイントをデプロイした後、Studio のエンドポイントテストインターフェースから直接推論をテストします。
はじめに
この体験は今すぐ試すことができます：
Hugging Face でモデルを参照します。
サポートされているモデルで「SageMaker AI でカスタマイズ」または「SageMaker AI にデプロイ」ボタンを探します。
選択し、合理化されたサインインフローに従います。
完全に設定された SageMaker Studio 環境で構築を開始します。
結論
ワンクリック Studio 体験の開始により、モデルの発見と実験の間の摩擦が最小限に抑えられます。Hugging Face を SageMaker Studio ワークフローに直接接続することで、開発者はフローを維持できます。コンテキストの切り替えは不要で、手動での環境設定や権限のトラブルシューティングも必要ありません。
開始するには、Amazon SageMaker Studio ページにアクセスするか、Hugging Face でモデルを探索し、「SageMaker AI にデプロイ」または「カスタマイズ」を選択してください。