Veröffentlicht am: Nov 10, 2022
Ab heute bietet Amazon SageMaker JumpStart zwei zusätzliche State-of-the-Art-Grundlagenmodelle: Bloom für Textgenerierung und Stable Diffusion für Bildgenerierung. Kunden können über die SageMaker Python SDK APIs und SageMaker JumpStart UI in SageMaker Studio auf neu hinzugefügte Modelle zugreifen.
Bloom kann verwendet werden, um für 46 Sprachen einen Satz zu beenden oder lange Absätze zu generieren, und der generierte Text lässt sich häufig nicht von Text unterscheiden, der von Menschen geschrieben wurde. Dieses Release umfasst Bloom-560m-, Bloom-1b1- und Bloom-1b7-Modelle für Textgenerierung. Stable Diffusion generiert Bilder aus einem Text und ist bekannt für die realistischen Bilder, die dem Eingabetext sehr ähneln.
Amazon SageMaker JumpStart ist der Machine-Learning (ML)-Hub von SageMaker, der über 350 integrierte Algorithmen, vortrainierte Modelle und vorintegrierte Lösungsvorlagen bietet, die Kunden dabei unterstützen, schnell in ML einzusteigen. In JumpStart gehostete vortrainierte Modelle sind öffentlich verfügbare State-of-the-Art (SOTA)-Modelle von beliebten Modell-Hubs, wie TensorFlow, PyTorch, Hugging Face und MXNet, und unterstützen beliebte ML-Aufgaben, wie Objekterkennung, Textklassifizierung und Textgenerierung. Damit Datenwissenschaftler und ML Practitioner schnell und sicher einsteigen können, werden die Inhalte in einem AWS-Repository gespeichert und verfügen über mit SageMaker-Funktionen kompatible Trainings- und Inferenz-Skripte. Kunden können Modelle mit ihren eigenen Daten optimieren oder unverändert zur Inferenz verwenden.
All diese Modelle können in allen Regionen verwendet werden, in denen Amazon SageMaker verfügbar ist.
Weitere Informationen zu jedem Modell finden Sie im Bloom-Launch-Blog und im Stable-Diffusion-Launch-Blog. Um alle in SageMaker JumpStart verfügbaren Modelle zu sehen, besuchen Sie den SageMaker JumpStart ML Hub.