发布于: Jul 26, 2021
Amazon SageMaker JumpStart 通过一键访问来自 TensorFlow Hub、PyTorch Hub 和 Hugging Face（也称为“模型动物园”）的常用模型集合以及 16 个用于解决常见的业务问题（如需求预测、欺诈侦测和文档理解）的端到端解决方案，帮助您快速轻松地解决机器学习问题。
即日起，SageMaker JumpStart 将支持来自 PyTorch Hub 和 MxNet GluonCV 的 20 个先进的可微调对象检测模型。支持的模型包括 YOLO-v3、FasterRCNN 和 SSD，模型需要在 MS-COCO 和 PASCAL VOC 数据集上进行预训练。客户可以使用这些经过预训练的模型来识别图像中的各种对象，只需单击一下即可将它们按原样部署在 SageMaker 上。客户还可以在自己的数据集上对这些模型进行微调，以识别与预训练数据集中提供的对象有区别的对象，并做出准确的预测。
现在，SageMaker JumpStart 还支持对来自 TensorFlow Hub 的 52 个先进图像分类模型进行图像特征向量提取，涵盖的模型有 ResNet、MobileNet、EfficientNet 等。客户可以使用这些新模型为其图像生成图像特征向量。生成的特征向量是图像的高维欧几里德空间表示。它们可用于在图像搜索应用程序中比较图像和识别相似性。
此外，SageMaker JumpStart 还添加了 5 个用于生成文本的 GPT-2 模型和来自 Hugging Face 的 21 个句子对分类模型。这些先进的 GPT-2 模型可以帮助客户根据输入的几个单词生成连贯的英语句子。客户可以使用句子对分类模型进行自然语言推理。
下图显示了 SageMaker JumpStart 中提供的 64 个文本模型和 196 个视觉模型的示例视图。