Amazon SageMaker 一键从 Hugging Face 直达

Hugging Face 与 Amazon SageMaker Studio 推出深度链接，一键将 Hugging Face 上选定模型带入 SageMaker Studio 的定制或部署流程，自动配置权限与 GPU 配额可见性，简化从发现到实验与上线的路径。开发者可直接在 Studio 完成微调、训练与部署并即时测试端点。

概述
– Hugging Face 与 Amazon SageMaker Studio 增加“Customize on SageMaker AI”和“Deploy on SageMaker AI”深度链接，支持从模型页面一键跳转到 Studio 的相应工作流。

主要功能
– 深度链接：在 Hugging Face 模型页显示动作按钮，直接打开 Studio 的模型定制或部署页面，保持模型上下文无需重复搜索。
– 预配置权限：通过新建域时自动附加的托管策略 AmazonSageMakerModelCustomizationCoreAccess，涵盖 SFT、DPO、RLVR、RLAIF 等定制与部署所需权限，减少手动配置 IAM 的工作。
– GPU 配额可见性：Studio 实例选择界面会显示当前账号对 G5/G6 等 GPU 实例的配额可用性，并提供跳转到 Service Quotas 的途径以申请扩容。

使用流程（简要）
1. 在 Hugging Face 模型页点击“Customize on SageMaker AI”或“Deploy on SageMaker AI”。
2. 使用 AWS 凭证登录（已登录可跳过）。
3. 直接进入 SageMaker Studio 的模型定制或部署页面，模型已预加载，设置训练/部署参数并提交。
4. 部署后在 Studio 内测试推理端点。

适用场景与价值
– 快速原型与实验：减少从发现到动手实验的摩擦，加速迭代。
– 企业合规与可控部署：在自有 AWS 环境中运行开源模型，兼顾可检查权重与云端可控性。
– 新手友好：免去繁琐的 IAM/域配置和配额查询步骤，降低上手门槛。

限制与注意事项
– 仅对受支持的 Hugging Face 模型提供一键入口；已有 Studio 环境需按文档添加相应权限。
– 仍可能需要申请 GPU 配额扩增以满足训练或部署需求。

结论
– 该集成将模型发现与企业级实验环境无缝连接，显著缩短从灵感到可运行服务的路径，利于需要在自有云中可控运行开源模型的开发者与团队。

这是把模型发现与企业级实验环境连接起来的实用改进，能显著降低上手成本。

原文链接