Author: AWS Team

随着业务的不断发展，云平台多账号和多区域的扩张，零散的维护模式已经难以应对日益复杂多变的云环境。本文将介绍 FreeWheel 如何在亚马逊云科技上实现规模化的持续交付和基础资源维护。

本文是本系列的第四篇，对 RAG 场景中的知识召回展开介绍，基于一些实践总结了向量召回问题分析和优化的经验。

在这篇文章中，我们介绍了如何在 SageMaker 上启用低延迟 GPT-2 推理以创造商业价值。具体来说，在 NVIDIA TensorRT 的支持下，对于定制的 GPT-2 模型，我们可以通过 SageMaker 在 NVIDIA GPU 实例上实现 2.9 倍的加速。

这篇文章介绍了 Provectus 和 Earth.com 如何通过实施端到端机器学习管道（作为托管 MLOps 平台和托管人工智能服务的一部分）来增强 EarthSnap 的人工智能驱动的图像识别功能、减少工程繁重工作并最大限度地降低管理成本。

这篇文章通过一个真实的客户使用案例概述了生成式人工智能，提供了简明的描述并概述了生成式人工智能的优点，引用了 AWS DeepComposer 用于创建新音乐作品的简单易学的演示，并概述了如何使用 Amazon SageMaker JumpStart 开始部署 GPT2、Stable Diffusion 2.0 和其他生成式人工智能模型。

在这篇文章中，我们探讨了在面向任务的机器人中添加开放域功能的问题，该机器人会将用户请求路由到开源的大型语言模型。

亚马逊云科技和我们的合作伙伴社区将共同引导客户的业务创新和解决方案的开发，使各种规模和行业的客户都能从中受益。大型企业将使用这些工具在各种业务流程中提高效率、提升生产力和提高创新力。这些工具曾是仅限于行业领导者享有的，现在中小企业也可以用这些强大的工具来跟上创新的步伐。

本文介绍使用 Amazon Transcribe，Amazon Translate，Amazon Polly，AWS Elemental MediaConvert 等服务快速合成多语言的视频。

在这篇文章中，我们介绍了一种训练、优化和部署自定义集成的方法。我们详细介绍了使用单个训练作业训练多个模型的过程、如何使用自动模型调整来优化集成超参数，以及如何部署一个融合多个模型推理的无服务器端点。

我们展示了使用由 Streamlit、Lambda 和 API Gateway 提供支持的用户界面的图像生成示例和文本生成示例。现在，您可以在 JumpStart 中使用预训练的人工智能模型来构建生成式人工智能项目。您还可以扩展此项目，针对自己的使用案例对根基模型进行微调，并控制对 API Gateway 端点的访问。