亚马逊AWS官方博客

Category: Artificial Intelligence

对 PyTorch BERT 模型进行微调,并将其部署到 Amazon SageMaker 上的 Amazon Elastic Inference

在本文中,我们使用Amazon SageMaker以BERT为起点,训练出一套能够标记句子语法完整性的模型。接下来,我们将模型分别部署在使用Elastic Inference与不使用Elastic Inference的Amazon SageMaker终端节点。您也可以使用这套解决方案对BERT做其他方向的微调,或者使用PyTorch-Transformers提供的其他预训练模型。
Key Messages as Tag

将 Amazon SageMaker 与 Amazon Augmented AI 结合使用以人工查看表格数据和机器学习预测

本文展示了两个用例,分别通过Amazon A2I将表格数据引入人工审核工作流中,且分别对应不可变静态表与动态表。当然,本文对于Amazon A2I功能的表述只能算是冰山一角。目前Amazon A2I已经在12个AWS区域内正式上线,关于更多详细信息,请参阅区域表。

德甲联赛背后的技术:机器学习如何在足球运动中实现数据驱动洞见

AWS专业服务一直与德甲联赛及其子公司Sportec Solution携手合作,推进数字化转型进程、加快业务成果交付并持续保持创新。在接下来的几个赛季中,德甲联赛还将引入AWS提供的全新Match Facts功能,保证为全球球迷们带来融参与度、娱乐性于一身的一流赛事观看体验。

在 Amazon SageMaker Ground Truth 中标记数据,以实现 3D 对象跟踪与传感器融合

在本次实验中,我们了解了Ground Truth 3D点云标记作业对于输入数据的要求与选项,同时尝试创建了对象跟踪标记作业。关于我们能够在3D点云标记作业中实现的其他任务类型,请参阅3D点云任务类型。另外,我们还要感谢KITTI团队为我们提供这套宝贵的数据集,用于演示如何准备3D点云数据并将其引入SageMaker Ground Truth。