亚马逊AWS官方博客
利用亚马逊云科技的 AI 和媒体服务快速合成多语言视频
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。
使用 Amazon SageMaker 高效地训练、调整和部署自定义集成
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。
使用 AWS CDK 从 Amazon SageMaker JumpStart 部署生成式人工智能模型
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。
使用 Amazon Lightsail 容器启动 WordPress 网站
这篇博文由担任 Partner Solutions Architect 的 Benjamin Gardiner […]
人工智能愿景落地指南
许多公司知道他们需要人工智能,但却不知道从何入手。在这篇博文中,我将分享五项行动,帮助您超越行业术语的空谈,真正落实人工智能驱动的数字转型,重塑企业的未来。
通过 Optimum Neuron 加速 Llama 2 和 SDXL 在 Inf2 和 Trn1 上部署推理
Hugging Face 生态体系中的 Transformers 库为 state-of-the-art 预训练模型提供了非常方便的 API 和工具集,帮助用户轻松下载模型并完成训练,是工程师手边的必备神器。为了在更多加速硬件上(如亚马逊云科技的 Trainium 和 Inferentia)训练和运行 Transformers 模型,提升整体的效率,Hugging Face 推出了开源项目 Optimum 对其进行扩展,它提供了一套性能优化工具,可以最大效率地在目标硬件上训练和运行模型。
基于 Uniprot 开放数据集使用 Cytoscape.js 和 Amazon Neptune 图形数据库快速搭建无服务化蛋白质数据分析平台
本文介绍了如何基于 Uniprot 开放数据集使用 Cytoscape.js 和 Amazon Neptune 图形数据库快速搭建无服务化蛋白质数据分析平台。
Alluxio 本地缓存 + EMR Presto 即席查询加速
对于大数据平台的 OLAP 查询引擎来说,天下武功唯快不破,Presto 做为大数据生态的业界知名的查询引擎和平台,首当其冲承载了业务查询分析的实时响应的需求。 对于 Presto 集群而言,横向扩展,加机器资源固然可以解决绝大多数性能问题,但成本也是客户考虑的重要因素。本文详细介绍了在 Amazon EMR 上集成 Alluxio 本地缓存做为 Presto 即席查询加速的具体实现,包括 Alluxio Presto 本地缓存整体架构原理,在 Amazon EMR 上 Alluxio 缓存相关的配置及对比测试。
使用 Amazon Kendra、LangChain 和大型语言模型根据企业数据快速构建高精度的生成式人工智能应用程序
在这篇文章中,我们将演示如何通过将 Amazon Kendra 的功能与 LLM 相结合来实现 RAG 工作流,从而创建最先进的 GenAI 应用程序来提供有关企业内容的对话体验。
使用 Amazon CodeWhisperer 和 Amazon CodeGuru 在 Amazon SageMaker notebook 中提供人工智能驱动的代码建议和安全防御工具扫描
在这篇博文中,我们将展示如何在 Studio 和 SageMaker notebook 实例中开始使用 Amazon CodeGuru 安全防御工具和 CodeWhisperer。