Publié le: Jun 1, 2022
Amazon SageMaker JumpStart vous aide à résoudre rapidement et facilement vos problèmes de machine learning, grâce à l'accès en un clic (a) à plus de 300 collections de modèles célèbres de TensorFlow Hub, PyTorch Hub, Hugging Face, et Gluon CV, et (b) à 18 solutions de bout en bout répondant aux problèmes métier courants, tels que la prédiction de la demande, la détection de fraude et la compréhension de documents. Les modèles disponibles peuvent être utilisés pour un large éventail de tâches de machine learning comme la classification d'images, la détection d'objets, la segmentation sémantique, la segmentation d'instances, l'intégration d'images, la classification de textes, la classification de paires de phrases, la réponse à des questions, l'intégration de textes, le résumé de textes, la traduction automatique, la classification tabulaire et la régression tabulaire.
L'entraînement des modèles de machine learning avec de grands jeux de données peut prendre du temps. Les clients veulent souvent améliorer la qualité d'un modèle précédemment entraîné lorsque de nouvelles données d'entraînement sont disponibles. Réentraîner le modèle avec les anciennes et les nouvelles données peut prendre encore plus de temps. À compter d'aujourd'hui, il est possible d'entraîner de manière incrémentielle tous les modèles JumpStart avec de nouvelles données sans recommencer l'entraînement à zéro. Cela peut significativement réduire le temps d'entraînement en vue d'obtenir un meilleur modèle. L'entraînement incrémentiel est disponible via l'UI JumpStart de SageMaker dans SageMaker Studio, ainsi que via le code Python avec le kit SDK Python de SageMaker.
Amazon SageMaker JumpStart est disponible dans toutes les régions où Amazon SageMaker Studio est disponible. Pour démarrer avec ces nouveaux modèles sur SageMaker, référez-vous à la documentation de JumpStart.