دليل قراءة متعدد اللغات للمهارة
hf-cloud-serving-image-selectionالغرض والاستخدام والمصدر
اختر حاوية العرض المناسبة لنشر نموذج SageMaker، واعثر على معرّف الموارد الموحد (URI) للصورة الحالية. استخدم هذه المهارة كلما كنت على وشك نشر نموذج على نقطة نهاية SageMaker، وكان لا بد من اختيار معرّف الموارد الموحد (URI) للصورة، بما في ذلك عندما يقول المستخدم "نشر نموذج التعلم العميق هذا"، أو "استضافة نموذج HuggingFace هذا"، أو "عرض هذا النموذج المُعدّل بدقة"، أو "نشر نموذج التضمين هذا"، أو "استضافة مُعيد ترتيب"، أو "عرض نموذج مُحوّلات الجمل"، أو عند كتابة معرّف الموارد الموحد (URI) لأي حاوية بشكل ثابت في كود النشر. تُفضّل دائمًا حاويات التعلم العميق المُدارة من قِبل HuggingFace: HuggingFace vLLM (نماذج التعلم العميق ومُعيدات الترتيب التوليدية)، وHuggingFace vLLM-Omni (متعدد الوسائط)، وTEI (embeddings/cross-encoderأدوات إعادة الترتيب)، ومجموعة أدوات استدلال HF (المحولات الأخرى). تُستخدم الصور العامة (AWS vLLM، وDJL-LMI، وSGLang) فقط عندما لا تكون أي صورة HuggingFace متوافقة - وليس لمجرد أنها تحمل إصدارًا أحدث. لا تقم أبدًا بتضمين عنوان URI للحاوية من الذاكرة بشكل ثابت، ولا تستخدم TGI افتراضيًا. يمنع ذلك فشل الصور القديمة وعناوين URI الخاطئة للمناطق.
تم استرجاع المصدر:
- مستودع المصدر
- huggingface/skills
- SKILL.md
skills/hf-cloud-serving-image-selection/SKILL.md- نجوم المستودع
- 11,241
- آخر تحديث للمستودع
- 2026-10-30
- تصنيف القدرات
- خدمات الحوسبة السحابية
- وقت التجميع الأخير
الترخيص: Apache-2.0
مقتطفات سير العمل هي أدوات مساعدة للقراءة، وليست تعليمات تنفيذية من Codez. لم يتم تشغيل أي مهارة تابعة لجهة خارجية لإنتاج هذه الصفحة.
تُعدّ فقرات الغرض وسير العمل الواردة أدناه موادًا أساسية، مُنظّمة ومترجمة لتسهيل القراءة. وهي تختلف عن التحليل التحريري لـ Codez المُصنّف بشكل منفصل.
ما تفعله هذه المهارة
اختر حاوية العرض المناسبة لنشر نموذج SageMaker، واعثر على معرّف الموارد الموحد (URI) للصورة الحالية. استخدم هذه المهارة كلما كنت على وشك نشر نموذج على نقطة نهاية SageMaker، وكان لا بد من اختيار معرّف الموارد الموحد (URI) للصورة، بما في ذلك عندما يقول المستخدم "نشر نموذج التعلم العميق هذا"، أو "استضافة نموذج HuggingFace هذا"، أو "عرض هذا النموذج المُعدّل بدقة"، أو "نشر نموذج التضمين هذا"، أو "استضافة مُعيد ترتيب"، أو "عرض نموذج مُحوّلات الجمل"، أو عند كتابة معرّف الموارد الموحد (URI) لأي حاوية بشكل ثابت في كود النشر. تُفضّل دائمًا حاويات التعلم العميق المُدارة من قِبل HuggingFace: HuggingFace vLLM (نماذج التعلم العميق ومُعيدات الترتيب التوليدية)، وHuggingFace vLLM-Omni (متعدد الوسائط)، وTEI (embeddings/cross-encoderأدوات إعادة الترتيب)، ومجموعة أدوات استدلال HF (المحولات الأخرى). تُستخدم الصور العامة (AWS vLLM، وDJL-LMI، وSGLang) فقط عندما لا تكون أي صورة HuggingFace متوافقة - وليس لمجرد أنها تحمل إصدارًا أحدث. لا تقم أبدًا بتضمين عنوان URI للحاوية من الذاكرة بشكل ثابت، ولا تستخدم TGI افتراضيًا. يمنع ذلك فشل الصور القديمة وعناوين URI الخاطئة للمناطق.
طريقة الاستخدام وفق المستند الأصلي
سير العمل
لكل عائلة: اقرأ عنوان URI من صفحة كتالوج AWS. ابحث عن القسم الخاص بالعائلة المناسبة (مثل "استدلال HuggingFace vLLM" لنماذج HuggingFace LLM، و"استدلال HuggingFace Text Embeddings" للتضمينات). اختر أحدث صف مُعلّم.SageMakerبالنسبة لعمود المنصة، اختر أحدث إصدار ضمن تلك المجموعة. لا تنتقل إلى قسم مجموعة أخرى لمجرد أنه يعرض إصدارًا أحدث من المحرك (انظر "القاعدة صفر"). استبدل with the user's region (from hf-cloud-aws-context-discovery)
اختيار صورة التقديم
يُعدّ حاوية الخدمة العنصر الأكثر احتمالاً لتعطيل عملية نشر SageMaker التي تبدو "صحيحة نظرياً". حاوية خاطئة، أو علامة قديمة، أو صورة AMI خاطئة - جميعها تُنتج نفس المشكلة الغامضة.Failed to pass health checkخطأ.
القاعدة الصفرية: صور العناق تفوز دائماً
عندما تكون عائلة منسقة من قبل HuggingFace (huggingface-vllm،huggingface-vllm-omni،huggingface-sglang،tei،huggingface-pytorch-inference) وعائلة عامة (vllm،vllm-omni،sglang،djl-inferenceيمكن استخدام نموذج ) مع نموذج HuggingFace، وهو إلزامي وليس مفضلاً. الأسباب الوحيدة المقبولة لاستخدام صورة عامة هي: عدم التوافق المؤكد - يحتاج النموذج إلىarchitecture/modality/featureلا توجد علامات HuggingFace متاحة، تم التأكد من ذلك من خلال الكتالوج (وهذا ليس افتراضًا).
curl -s https://huggingface.co/<model-id>/raw/main/config.json
# "architectures": ["Qwen3ForCausalLM"] → vLLM
# "architectures": ["XLMRobertaForSequenceClassification"] → TEIالمتطلبات والإعداد
متطلبات vLLM AMI
صور vLLM DLC باستخدام CUDA13أو أعلى (الوضع الافتراضي الحالي:cu130) يتطلب ضبطInferenceAmiVersion=al2-ami-sagemaker-inference-gpu-3-1على نسخة الإنتاج. وينطبق هذا بالتساوي علىhuggingface-vllmوhuggingface-vllm-omni(مرتبة على نفس السطح)130القاعدة) وإلى AWSvllmالمستودع. بدونه، يتوقف الحاوية عند بدء التشغيل دون إنشاء أي سجلات CloudWatch. يبدو هذا الفشل مشابهًا للعديد من المشاكل الأخرى (مشاكل على مستوى الحساب، الحصة، الشبكة) ويؤدي عادةً إلى توجيه المستخدمين إلى مسارات تشخيص خاطئة. قاعدة عامة: إذا كان وسم vLLM الذي اخترته يحتوي علىcu130أو لاحقاً، يمر--inference-ami-version al2-ami-sagemaker-inference-gpu-3-1لdeploy.py. إذا كان إصدار CUDA المستقبلي (cu140+) يحتاج إلى صورة AMI مختلفة، أضف صفًا إلى الجدول عندما تنشر AWS الصورة الجديدة.
توافق CUDA / المثيل
أمر بالغ الأهمية وسهل الخطأ فيه: يأتي برنامج التشغيل من صورة نظام التشغيل المضيفة (AMI)، وليس من عائلة المثيل - لذا فإن تمرير وحدة معالجة الرسومات (GPU)3-1AMI (التي vLLM cu130الصور تتطلب ذلك على أي حال) يجعلml.g5.*مناسب لـ cu129+ صور.
الحدود وفحوصات الجودة
لم يتم تحديد أي مقطع حدود منفصل من هذا الملف. هذا لا يعني أن المهارة آمنة لكل مدخلات أو بيئة. راجع المصدر بالكامل وتحقق من صحة النتيجة بنفسك.
ابدأ بتجربة آمنة
- تحقق من المضيف المدعوم وتعليمات تثبيت المستودع. احتفظ بمجلد المهارات والبرامج النصية والأصول والوثائق المشار إليها معًا؛SKILL.mdقد يؤدي وجود شخص واحد فقط إلى إغفال بعض التبعيات.
- زوّد البرنامج ببياناتك الفعلية، والمخرجات المطلوبة، ومعايير القبول. يعتمد بناء جملة الاستدعاء والأدوات المتاحة على النظام المضيف؛ ولا يفترض هذا الموقع وجود أمر تثبيت موحد.
- جرّب سير العمل الأصلي في مشروع مؤقت أو على نسخة احتياطية. راجع العمليات التي تُغيّر الملفات أو الخدمات البعيدة أو الموارد القابلة للفوترة قبل السماح بها.
- تحقق من صحة المخرجات بمقارنتها بفحوصات جودة المصدر ومتطلباتك الخاصة. لا يُعدّ نجاح عملية التشغيل أو ارتفاع عدد النجوم في المستودع دليلاً على صحة النتيجة.
اقرأ المزيد في المصدر
- اختيار صورة التقديم
- القاعدة الصفرية: صور العناق تفوز دائماً
- من أين تأتي عناوين URI للصور
- قرار سريع
- إعادة الترتيب: TEI أم vLLM؟
- سير العمل
- تي إي آي: اختر النوع المناسب
- متطلبات vLLM AMI
- تكوين وحدات التحكم في إدارة التعلم الافتراضية (HuggingFace vLLM و AWS vLLM)
- مطلوب لكل عملية نشر لبرنامج HuggingFace LLM
- ضبط النغمات (اختياري)
- تهيئة TEI
- توافق CUDA / المثيل
- مشكلة في بوابة VPC / NAT
- عندما لا يتم عرض صفحة الكتالوج، أو تكون قديمة، أو خاطئة
- الصور المعروفة بأنها معطلة (آخر فحص في يوليو)2026)
- وقت تنزيل Hub عند التشغيل الأول
المهارات ذات الصلة
الترجمة والنطاق
يختار دليل القراءة هذا مقاطع من المصدر الرئيسي المثبتSKILL.mdهذه الترجمة مساعدة. وهي ليست دليلاً كاملاً ولا تضمن التوافق المُختَبَر. يُرجى قراءة النص الأصلي والملفات المُشار إليها قبل الاستخدام.
تشير هذه المقدمة إلى النسخة المثبتة أدناه؛ ويتم عرض نشاط المستودع الحالي ووقت التجميع بشكل منفصل.
- المصدر بإصدار ثابت
- اقرأ الأصل ↗
- تم استرجاع المصدر
- معرّف نسخة Git
fabc634a893f62ad5c2039830397efa35fa62715- المصدر SHA-256
6af6adfe1cdcf7bcc061ee11e1e2cf88bae9fbb08bf79d16945ce748839c1d76