亚马逊AWS官方博客
AWS 成本管理与优化之六:计算篇
在本系列成本管理和优化的文章中,我们以 TAM 的视角,详细介绍 TAM 如何协助客户在 AWS 上实现高效的成本管理和优化。
生花妙笔信手来 – 基于 Amazon SageMaker 使用 Grounded-SAM 加速电商广告素材生成 [1]
本文主要介绍了在电商广告行业下,通过 Amazon SageMaker 使用 Grounded-SAM 进行营销素材生成。我们详细介绍了,1/ 通过 ControlNet 中的 Canny 模型进行无代码图像编辑,以及2/ 通过 Grounded-SAM(Grounding DINO 和 Segment Anything)利用代码进行图像编辑。此外,针对上一版本方案,新增支持了 ControlNet 模型,并新增支持美西 2 US West(Oregon)区域。
一周回顾 – AWS Verified Access、Java 17、Amplify Flutter、会议等 – 2023 年 5 月 1 日
会议季已经开始,我很高兴在上周的纽约 Swifty 大会上与 iOS 和 Swift 开发人员见面并交谈。 […]
CyberCRX 如何使用 AWS Step Functions 分布式 Map 将机器学习处理时间从 8 天缩短到 56 分钟
去年 12 月,Sébastien Stormacq 撰写了关于 AWS Step Functions 分 […]
Athena 预置容量简介
今天,我们发布了为运行 Amazon Athena 查询预置容量的功能。 Athena 是一种使用标准 S […]
基于 Amazon EKS 服务构建容器化 HPC 平台 – 实现 STOmics 个性化分析方案
本文介绍了如何使用 Amazon EKS 服务构建容器化 HPC 平台,用于 STOmics 的个性化分析工作场景。该方案中 Kubernetes 采用 1.25 的版本,基于该版本分别安装 Karpenter、Volcano、AWS Load Balancer Controller 等插件,最后通过创建一个 Notebook 的示例来验证部署结果。文章详细介绍了每个步骤需要执行的命令和操作,并提供了相应的命令行代码示例,适合有一定 AWS 和 Kubernetes 经验的读者阅读。借助容器化的 HPC 平台方案,科学家可以在 STOmics 研究上进行快速创新和试错,同时借助云上大规模的计算能力,解决了当前时空组学大数据面临的算力紧缺问题,并且显著的降低了成本,实现了更好的时效性,这将大大提高生命科学领域的多组学数据分析效率,加速科研进程,助力科研转化。
混沌工程在 Netflix 的演进
围绕 Netflix 在 AWS re:Invent 2022 – The evolution of chaos engineering at Netflix (NFX303) 的分享,结合自身的理解,从技术的视角,介绍 Netflix 的混沌工程的技术演进,为正在建设混沌工程平台的企业提供参考。
AWS Glue + AWS Glue Data Catalog + S3 实现 RDS 到 Redshift 的全表增量同步
本文将以实际的案例讲解通过 AWS Glue + AWS Glue Data Catalog + S3 来实现基于时间戳的 RDS 到 Redshift 的灵活增量同步方案。
海外互联网券商网络参考架构
本文介绍了海外互联网券商在 Amazon Web Services 上的网络参考架构。
基于 AMAZON SAGEMAKER 训练一个关键词抽取的模型以及部署
在 AMAZON SAGEMAKER 如何训练部署 UIE 模型做关键词抽取。