亚马逊AWS官方博客
Category: Artificial Intelligence
使用 Amazon SageMaker Hugging Face 估计器和模型并行库微调 GPT-J
在这篇文章中，我们将介绍使用 Amazon SageMaker 分布式模型并行库训练大型语言模型（LLM）的指南和最佳实践，以减少训练时间和成本。您将学习如何轻松地在 SageMaker 上训练 60 亿个参数的 GPT-J 模型。最后，我们将分享 SageMaker 分布式模型并行性的主要特征，这些特征有助于加快训练时间。
在由 AWS Trainium 实例支持的 Amazon ECS 上，扩展机器学习工作负载
在这篇博文中，我们将向您展示如何使用 Amazon ECS 来部署、管理和扩展机器学习工作负载，以便在容器中运行机器学习训练作业。
预览版 – 使用 Amazon Bedrock 代理将基础模型连接到公司的数据源
我们在 7 月宣布推出 Amazon Bedrock 代理的预览版，这是让开发人员能够创建生成式 AI 应用程 […]
在 Amazon SageMaker 上使用 AWS Inferentia2 和 AWS Trainium 以最低成本实现高性能的生成式人工智能推理
随着能够创建类人文本、图像、代码和音频的生成式人工智能模型的兴起，人工智能（AI）和机器学习（ML）的世界见证 […]
利用生成式人工智能增强 AWS 智能文档处理能力
对于需要处理大量文档的组织来说，数据分类、提取和分析可能具有挑战性。传统的文档处理解决方案是人工操作，成本高昂 […]
Stable Diffusion Quick Kit 动手实践 – 使用 Stable Diffusion XL 和 SDXL LoRA，ControlNet 生成图片
本文将介绍如何使用 Stable Diffusion Quick Kit 快速部署一个基于 Stable Diffusion XL 模型，可以动态加载 SDXL LoRA，ControlNet 模型的弹性伸缩推理服务。
通过 Amazon SageMaker JumpStart，在没有互联网连接的 VPC 中，使用生成式人工智能基础模型
在这篇博文中，我们将演示如何使用 JumpStart，在没有互联网连接的 VPC 中部署 Flan-T5 XXL 模型。
生成你在游戏中的形象——面向游戏运营活动的 AI 生图解决方案
本博客探讨了 AI 生图在游戏行业面向游戏运营活动的落地场景，根据企业级客户实际案例经验，探讨如何高效地办好这么一场游戏AI生图活动，并提出我们的解决方案。
在 Amazon SageMaker 上使用 ESMFold 语言模型加速蛋白质结构预测
在这篇文章中，我们将展示如何使用 SageMaker 将 Hugging Face Hub 的 ESMFold 蛋白质语言模型部署为可扩展的推理端点。
释放创造力：生成式人工智能和 Amazon SageMaker 如何帮助企业借助 AWS 为营销活动制作广告素材
我们将演示如何使用 Amazon SageMaker 从现有的基本图像生成新图像，这是一项完全托管式服务，用于大规模构建、训练和部署机器学习模型。采用此解决方案，企业无论规模如何，都可以比以往更快地制作新的广告素材，而且大幅降低成本。这样，您便能够以低成本和高速度，为企业制作新的定制广告素材内容。