Lokalisierter Leseleitfaden
hf-cloud-sagemaker-deployment-plannerZweck, Verwendung und Quelle
Planen und koordinieren Sie die Bereitstellung eines Modells auf Amazon SageMaker AI. Nutzen Sie diese Funktion immer dann, wenn Sie ein Modell auf SageMaker oder AWS bereitstellen, hosten, anbieten oder zugänglich machen möchten – beispielsweise für Anfragen wie „Modell bereitstellen“, „Dieses LLM auf AWS hosten“, „Dieses Embedding-Modell anbieten“, „Reranker bereitstellen“, „Text-zu-Bild-/Diffusionsmodell bereitstellen“, „Dies für asynchrone Inferenz hosten“, „Endpunkt erstellen“, „Mein feinabgestimmtes Modell anbieten“ oder jede andere Anfrage, die die Verfügbarkeit eines Modells für die Inferenz auf AWS beinhaltet. Verwenden Sie diese Funktion auch dann, wenn die Anfrage ungenau ist (z. B. „Ich möchte das einfach nur auf AWS zum Laufen bringen, den Rest erledigen Sie selbst“). Sie eignet sich für Textgenerierungs-LLMs, Embedding-Modelle, Reranker, Klassifikatoren und Text-zu-Bild-/Diffusionsmodelle – sie wählt den passenden Bereitstellungs-Stack und entscheidet zwischen Echtzeit- und asynchroner Inferenz. Diese Funktion ist der Einstiegspunkt für die Bereitstellung in SageMaker – sie stellt klärende Fragen, wählt einen Bereitstellungspfad und koordiniert die anderen Bereitstellungsfunktionen.
Quelle abgerufen:
- Quell-Repository
- huggingface/skills
- SKILL.md
skills/hf-cloud-sagemaker-deployment-planner/SKILL.md- Repository-Sterne
- 11,241
- Repository zuletzt aktualisiert
- 2026-10-30
- Fähigkeitskategorien
- Cloud-Dienste
- Letzte Datenerfassung
Lizenz: Apache-2.0
Die Workflow-Auszüge dienen als Lesehilfe und sind keine ausführbaren Anweisungen von Codez. Für die Erstellung dieser Seite wurde keine Drittanbieter-Skill verwendet.
Die folgenden Abschnitte zu Zweck und Arbeitsablauf sind vorgelagertes Material, das zur besseren Lesbarkeit aufbereitet und übersetzt wurde. Sie unterscheiden sich von der separat gekennzeichneten redaktionellen Analyse von Codez.
Was diese Fähigkeit bewirkt
Planen und koordinieren Sie die Bereitstellung eines Modells auf Amazon SageMaker AI. Nutzen Sie diese Funktion immer dann, wenn Sie ein Modell auf SageMaker oder AWS bereitstellen, hosten, anbieten oder zugänglich machen möchten – beispielsweise für Anfragen wie „Modell bereitstellen“, „Dieses LLM auf AWS hosten“, „Dieses Embedding-Modell anbieten“, „Reranker bereitstellen“, „Text-zu-Bild-/Diffusionsmodell bereitstellen“, „Dies für asynchrone Inferenz hosten“, „Endpunkt erstellen“, „Mein feinabgestimmtes Modell anbieten“ oder jede andere Anfrage, die die Verfügbarkeit eines Modells für die Inferenz auf AWS beinhaltet. Verwenden Sie diese Funktion auch dann, wenn die Anfrage ungenau ist (z. B. „Ich möchte das einfach nur auf AWS zum Laufen bringen, den Rest erledigen Sie selbst“). Sie eignet sich für Textgenerierungs-LLMs, Embedding-Modelle, Reranker, Klassifikatoren und Text-zu-Bild-/Diffusionsmodelle – sie wählt den passenden Bereitstellungs-Stack und entscheidet zwischen Echtzeit- und asynchroner Inferenz. Diese Funktion ist der Einstiegspunkt für die Bereitstellung in SageMaker – sie stellt klärende Fragen, wählt einen Bereitstellungspfad und koordiniert die anderen Bereitstellungsfunktionen.
Wie der vorgelagerte Workflow funktioniert
Workflow-Phasen
Discovery – was wird bereitgestellt und welche Einschränkungen gibt es (diese Fähigkeit) Pfadauswahl – Echtzeit / Serverlos / Asynchron / Batch / Bedrock CMI (diese Fähigkeit) Kontext-Preflight –hf-cloud-aws-context-discovery, Dannhf-cloud-python-env-setupIAM-Vorflugkontrolle —hf-cloud-sagemaker-iam-preflight
SageMaker-Bereitstellungsplaner
Sie unterstützen einen Benutzer bei der Bereitstellung eines Modells in Amazon SageMaker. Die meisten Benutzer, die diese Funktion nutzen, wünschen sich die Bereitstellung des Modells mit sinnvollen Standardeinstellungen und möglichst wenigen Rückfragen. Fragen Sie nur nach dem, was Sie benötigen, empfehlen Sie ehrlich einen geeigneten Weg und übergeben Sie die Unterstützung an die Experten.
Aufwärtspassage · L6 ↗Entdeckung: Frag nur, was du brauchst
Sie müssen schließlich wissen: Welches Modell: HuggingFace ID, S3Pfad zu den Artefakten oder Modellname. Falls die Angabe des Benutzers ungenau ist („das Modell, das ich feinabgestimmt habe“), fragen Sie nach dem Speicherort des Artefakts.
Aufwärtspassage · L21 ↗aws service-quotas list-service-quotas --service-code sagemaker --region <region> \
--query "Quotas[?contains(QuotaName, 'for endpoint usage') && Value > \`0\`].[QuotaName, Value]" \
--output tableAnforderungen und Einrichtung
Aus dieser Datei wurde kein Abschnitt mit kurzen Anforderungen ausgewählt. Dies bedeutet nicht, dass die Fertigkeit keine Abhängigkeiten hat. Überprüfen Sie die Anweisungen zur Repository-Einrichtung und die referenzierten Dateien.
Grenzwerte und Qualitätskontrollen
Aus dieser Datei wurde kein separater Grenzwertabschnitt ausgewählt. Dies bedeutet nicht, dass die Anwendung für jede Eingabe oder Umgebung geeignet ist. Überprüfen Sie den vollständigen Quellcode und validieren Sie Ihr Ergebnis selbst.
Beginnen Sie mit einem sicheren Testlauf
- Prüfen Sie den unterstützten Host und die Installationsanweisungen für das Repository. Halten Sie das Skill-Verzeichnis und die darin enthaltenen Skripte, Assets und Dokumentationen zusammen;SKILL.mdEine Einzelperson kann Abhängigkeiten außer Acht lassen.
- Geben Sie dem Agenten Ihre tatsächlichen Eingaben, die gewünschten Ausgaben und die Akzeptanzkriterien an. Aufrufsyntax und verfügbare Tools hängen vom Hostsystem ab; diese Website geht nicht von einem universellen Installationsbefehl aus.
- Testen Sie den Quellworkflow in einem temporären Projekt oder auf einer Kopie. Überprüfen Sie Vorgänge, die Dateien, Remote-Dienste oder abrechnungsfähige Ressourcen ändern, bevor Sie diese zulassen.
- Überprüfen Sie die Ausgabe anhand der Quellqualitätsprüfungen und Ihrer eigenen Anforderungen. Ein erfolgreicher Trigger oder eine hohe Anzahl von Sternen im Repository garantiert kein korrektes Ergebnis.
Lesen Sie mehr dazu in der Quelle.
Verwandte Fähigkeiten
Übersetzung und Umfang
Dieser Leseleitfaden wählt Passagen aus dem markierten stromaufwärts gelegenen Abschnitt aus.SKILL.mdDie Übersetzung wurde unterstützt. Es handelt sich weder um ein vollständiges Handbuch noch um eine Garantie für geprüfte Kompatibilität. Lesen Sie vor der Verwendung das Original und die darin referenzierten Dateien.
Diese Einleitung bezieht sich auf die unten angepinnte Version; die aktuelle Repository-Aktivität und der Erfassungszeitpunkt werden separat angezeigt.
- Angeheftete Quelle
- Lesen Sie das Original ↗
- Quelle abgerufen
- Source-Commit
fabc634a893f62ad5c2039830397efa35fa62715- Quelle SHA-256
2538e5f705466ef2912c07eb4311befc29940f026dfd17720242e4c976a8d8e9