معالجة اللغة الطبيعية (NLP) هي مجال التعلم الآلي (ML) الذي يهتم بمنح أجهزة الكمبيوتر القدرة على فهم النص والكلمات المنطوقة بنفس الطريقة التي يستطيع بها البشر. في الآونة الأخيرة ، أحدث الأبنية مثل هندسة المحولات تُستخدم لتحقيق أداء شبه بشري في مهام NLP النهائية مثل تلخيص النص وتصنيف النص والتعرف على الكيانات والمزيد.
نماذج اللغات الكبيرة (LLMs) هي نماذج قائمة على المحولات تم تدريبها على كمية كبيرة من النصوص غير المسماة بمئات الملايين (بيرت) لأكثر من تريليون معلمة (ميكس) ، وحجمها يجعل التدريب أحادي GPU غير عملي. نظرًا لتعقيدها المتأصل ، يعد تدريب ماجستير من الصفر مهمة صعبة للغاية لا تستطيع سوى عدد قليل جدًا من المؤسسات تحملها. من الممارسات الشائعة لمهام المصب في البرمجة اللغوية العصبية أن تأخذ ماجستير مدرب مسبقًا وضبطها. لمزيد من المعلومات حول الضبط الدقيق ، راجع التهيئة الدقيقة لتكييف المجال لنماذج الأساس في Amazon SageMaker JumpStart على البيانات المالية و اضبط نماذج لغة المحولات بدقة من أجل التنوع اللغوي باستخدام Hugging Face على Amazon SageMaker.
يتيح التعلم بدون طلقة في البرمجة اللغوية العصبية أ ماجستير مدربين مسبقًا لتوليد استجابات للمهام التي لم يتم تدريبها بشكل صريح (حتى بدون ضبطها). عند الحديث على وجه التحديد عن تصنيف النص ، تصنيف نص بدون لقطة هي مهمة في معالجة اللغة الطبيعية حيث يتم استخدام نموذج البرمجة اللغوية العصبية لتصنيف النص من الفئات غير المرئية ، على عكس التصنيف الخاضع للإشراف، حيث يمكن لنماذج البرمجة اللغوية العصبية فقط تصنيف النص الذي ينتمي إلى الفصول في بيانات التدريب.
أطلقنا مؤخرًا دعمًا لنموذج التصنيف الصفري في أمازون سيج ميكر جومب ستارت. SageMaker JumpStart هو مركز ML لـ الأمازون SageMaker التي توفر الوصول إلى نماذج الأساس المدربة مسبقًا (FMs) و LLMs والخوارزميات المضمنة وقوالب الحلول لمساعدتك على البدء بسرعة مع ML. في هذا المنشور ، نوضح كيف يمكنك إجراء تصنيف بدون طلقة باستخدام نماذج مدربة مسبقًا في SageMaker Jumpstart. سوف تتعلم كيفية استخدام SageMaker Jumpstart UI و SageMaker Python SDK لنشر الحل وتشغيل الاستدلال باستخدام النماذج المتاحة.
التعلم من الصفر
تصنيف Zero-shot هو نموذج حيث يمكن للنموذج أن يصنف أمثلة جديدة غير مرئية تنتمي إلى فئات لم تكن موجودة في بيانات التدريب. على سبيل المثال ، يمكن استخدام نموذج اللغة الذي تم تدريبه لفهم اللغة البشرية لتصنيف تغريدات قرارات السنة الجديدة على فصول متعددة مثل career
, health
و finance
، دون أن يتم تدريب نموذج اللغة بشكل صريح على مهمة تصنيف النص. هذا على النقيض من ضبط النموذج ، لأن الأخير يعني إعادة تدريب النموذج (من خلال نقل التعلم) بينما لا يتطلب التعلم بدون طلقة تدريبًا إضافيًا.
يوضح الرسم البياني التالي الاختلافات بين نقل التعلم (يسار) مقابل التعلم بدون طلقة (يمين).
يين وآخرون. اقترح إطارًا لإنشاء المصنفات الصفرية باستخدام الاستدلال اللغوي الطبيعي (NLI). يعمل إطار العمل من خلال طرح التسلسل الذي سيتم تصنيفه على أنه فرضية NLI وبناء فرضية من كل تسمية مرشح. على سبيل المثال ، إذا أردنا تقييم ما إذا كان التسلسل ينتمي إلى الفصل politics
، يمكننا بناء فرضية تقول "هذا النص يتعلق بالسياسة". ثم يتم تحويل احتمالات الاستنتاج والتناقض إلى احتمالات تسمية. كمراجعة سريعة ، تأخذ NLI في الاعتبار جملتين: فرضية وفرضية. المهمة هي تحديد ما إذا كانت الفرضية صحيحة (استنتاج) أم خاطئة (تناقض) بالنظر إلى الافتراض. يقدم الجدول التالي بعض الأمثلة.
مقدمة | تُشير | فرضية |
رجل يتفقد زي شخصية في بعض دول شرق آسيا. | تناقض | الرجل نائم. |
رجل أكبر وأصغر يبتسم. | متعدد | رجلان يبتسمان ويضحكان على القطط تلعب على الأرض. |
لعبة كرة قدم مع العديد من الذكور يلعبون. | استحقاق | يمارس بعض الرجال رياضة. |
حل نظرة عامة
في هذا المنشور نناقش ما يلي:
- كيفية نشر نماذج تصنيف النص ذات اللقطة الصفرية المدربة مسبقًا باستخدام واجهة مستخدم SageMaker JumpStart وتشغيل الاستدلال على النموذج المنشور باستخدام بيانات نصية قصيرة
- كيفية استخدام SageMaker Python SDK للوصول إلى نماذج تصنيف النص ذات اللقطة الصفرية المدربة مسبقًا في SageMaker JumpStart واستخدام البرنامج النصي للاستدلال لنشر النموذج إلى نقطة نهاية SageMaker لحالة استخدام تصنيف النص في الوقت الفعلي
- كيفية استخدام SageMaker Python SDK للوصول إلى نماذج تصنيف النص ذات اللقطة الصفرية المدربة مسبقًا واستخدام تحويل دفعة SageMaker لحالة استخدام تصنيف نص دفعة
يوفر SageMaker JumpStart الضبط الدقيق والنشر بنقرة واحدة لمجموعة متنوعة من النماذج المدربة مسبقًا عبر مهام ML الشائعة ، بالإضافة إلى مجموعة مختارة من الحلول الشاملة التي تحل مشاكل العمل الشائعة. تزيل هذه الميزات الحمل الثقيل من كل خطوة من خطوات عملية ML ، مما يبسط تطوير نماذج عالية الجودة ويقلل من وقت النشر. ال واجهات برمجة تطبيقات JumpStart تسمح لك بنشر مجموعة كبيرة من النماذج المدربة مسبقًا على مجموعات البيانات الخاصة بك وضبطها برمجيًا.
يوفر محور نموذج JumpStart الوصول إلى عدد كبير من نماذج البرمجة اللغوية العصبية التي تتيح نقل التعلم والضبط الدقيق على مجموعات البيانات المخصصة. حتى كتابة هذه السطور ، يحتوي محور نموذج JumpStart على أكثر من 300 نموذج نصي عبر مجموعة متنوعة من النماذج الشائعة ، مثل Stable Diffusion و Flan T5 و Alexa TM و Bloom والمزيد.
لاحظ أنه باتباع الخطوات الواردة في هذا القسم ، ستقوم بنشر البنية التحتية لحساب AWS الخاص بك مما قد يؤدي إلى تكبد تكاليف.
قم بنشر نموذج تصنيف مستقل للنص بدون لقطة
في هذا القسم ، نوضح كيفية نشر نموذج تصنيف بدون طلقة باستخدام SageMaker JumpStart. يمكنك الوصول إلى النماذج المدربة مسبقًا من خلال صفحة JumpStart المقصودة في أمازون ساجميكر ستوديو. أكمل الخطوات التالية:
- في SageMaker Studio ، افتح صفحة JumpStart المقصودة.
الرجوع إلى افتح واستخدم JumpStart لمزيد من التفاصيل حول كيفية الانتقال إلى SageMaker JumpStart. - في مجلة نماذج النص دائري ، حدد موقع بطاقة نموذج "تصنيف نص بدون طلقة".
- اختار عرض النموذج للوصول إلى
facebook-bart-large-mnli
نموذج.
بدلاً من ذلك ، يمكنك البحث عن نموذج تصنيف اللقطة الصفرية في شريط البحث والوصول إلى النموذج في SageMaker JumpStart. - حدد تكوين النشر ، ونوع مثيل استضافة SageMaker ، واسم نقطة النهاية ، خدمة تخزين أمازون البسيطة (Amazon S3) اسم الحاوية والمعلمات الأخرى المطلوبة.
- اختياريًا ، يمكنك تحديد تكوينات الأمان مثل إدارة الهوية والوصول AWS (IAM) ، وإعدادات VPC ، و خدمة إدارة مفتاح AWS (AWS KMS) مفاتيح التشفير.
- اختار نشر لإنشاء نقطة نهاية SageMaker.
تستغرق هذه الخطوة دقيقتين حتى تكتمل. عندما يكتمل ، يمكنك تشغيل الاستدلال مقابل نقطة نهاية SageMaker التي تستضيف نموذج تصنيف اللقطة الصفرية.
في الفيديو التالي ، نعرض شرحًا تفصيليًا للخطوات الواردة في هذا القسم.
استخدم JumpStart برمجيًا مع SageMaker SDK
في قسم SageMaker JumpStart في SageMaker Studio ، أسفل حلول البدء السريع، يمكنك العثور على قوالب الحل. قوالب حلول SageMaker JumpStart هي حلول شاملة بنقرة واحدة للعديد من حالات استخدام ML الشائعة. حتى كتابة هذه السطور ، يتوفر أكثر من 20 حلًا لحالات الاستخدام المتعددة ، مثل التنبؤ بالطلب واكتشاف الاحتيال والتوصيات الشخصية ، على سبيل المثال لا الحصر.
يوفر حل "Zero Shot Text Classification with Hugging Face" طريقة لتصنيف النص دون الحاجة إلى تدريب نموذج لتسميات محددة (تصنيف صفر طلقة) باستخدام مُصنِّف نص مُدرَّب مسبقًا. نموذج التصنيف الافتراضي لهذا الحل هو فيسبوك بارت كبير mnli نموذج (بارت). لهذا الحل ، نستخدم مجموعة بيانات قرارات العام الجديد لعام 2015 لتصنيف القرارات. مجموعة فرعية من مجموعة البيانات الأصلية تحتوي على ملف Resolution_Category
(تسمية الحقيقة الأرض) و text
يتم تضمين الأعمدة في أصول الحل.
تتضمن بيانات الإدخال سلاسل نصية وقائمة بالفئات المطلوبة للتصنيف وما إذا كان التصنيف متعدد التسميات أم لا للاستدلال المتزامن (في الوقت الفعلي). بالنسبة للاستدلال غير المتزامن (الدفعي) ، نقدم قائمة بالسلاسل النصية وقائمة الفئات لكل سلسلة وما إذا كان التصنيف متعدد العناوين أم لا في ملف نصي بتنسيق سطور JSON.
نتيجة الاستدلال هي كائن JSON يشبه لقطة الشاشة التالية.
لدينا النص الأصلي في sequence
، التسميات المستخدمة لتصنيف النص في labels
، والاحتمال المخصص لكل تسمية (بنفس ترتيب الظهور) في الحقل scores
.
لنشر Zero Shot Text Classification مع حل Hugging Face ، أكمل الخطوات التالية:
- في الصفحة المقصودة SageMaker JumpStart ، اختر النماذج والدفاتر والحلول في جزء التنقل.
- في مجلة الحلول القسم، اختر اكتشف كل الحلول.
- على الحلول الصفحة ، اختر Zero Shot Text Classification مع بطاقة نموذج Hugging Face.
- راجع تفاصيل النشر ، وإذا وافقت ، اختر إطلاق.
سيوفر النشر نقطة نهاية في الوقت الفعلي لـ SageMaker للاستدلال في الوقت الفعلي وحاوية S3 لتخزين نتائج تحويل الدُفعات.
يوضح الرسم البياني التالي بنية هذه الطريقة.
قم بإجراء الاستدلال في الوقت الفعلي باستخدام نموذج تصنيف بدون طلقة
في هذا القسم ، نراجع كيفية استخدام Python SDK لتشغيل تصنيف نص بدون لقطة (باستخدام أي من النماذج المتاحة) في الوقت الفعلي باستخدام نقطة نهاية SageMaker.
- أولاً ، نقوم بتهيئة طلب حمولة الاستدلال للنموذج. هذا يعتمد على النموذج ، ولكن بالنسبة لنموذج BART ، يكون الإدخال كائن JSON بالهيكل التالي:
- لاحظ أن نموذج BART لم يتم تدريبه بشكل صريح على
candidate_labels
. سنستخدم تقنية تصنيف اللقطة الصفرية لتصنيف تسلسل النص إلى فئات غير مرئية. الكود التالي هو مثال باستخدام نص من مجموعة بيانات قرارات السنة الجديدة والفئات المحددة: - بعد ذلك ، يمكنك استدعاء نقطة نهاية SageMaker مع حمولة صفرية. يتم نشر نقطة نهاية SageMaker كجزء من حل SageMaker JumpStart.
- يحتوي كائن استجابة الاستدلال على التسلسل الأصلي ، والتسميات مرتبة حسب الدرجة من الحد الأقصى إلى الحد الأدنى ، والدرجات لكل تسمية:
قم بتشغيل وظيفة تحويل مجموعة SageMaker باستخدام Python SDK
يصف هذا القسم كيفية تشغيل استدلال تحويل الدُفعات مع تصنيف اللقطة الصفرية facebook-bart-large-mnli
نموذج باستخدام SageMaker بيثون SDK. أكمل الخطوات التالية:
- قم بتنسيق بيانات الإدخال بتنسيق خطوط JSON وتحميل الملف إلى Amazon S3.
سيقوم SageMaker دفعة التحويل بإجراء استدلال على نقاط البيانات التي تم تحميلها في ملف S3. - قم بإعداد عناصر نشر النموذج بالمعلمات التالية:
- model_id - استعمال
huggingface-zstc-facebook-bart-large-mnli
. - نشر_صورة_إي - استخدم ال
image_uris
وظيفة Python SDK للحصول على صورة SageMaker Docker المبنية مسبقًا لملفmodel_id
. تقوم الدالة بإرجاع ملف سجل الأمازون المرنة للحاويات (Amazon ECR) عنوان URI. - نشر_المصدر_وري - استخدم
script_uris
الأداة المساعدة API لاسترداد S3 URI الذي يحتوي على برامج نصية لتشغيل استدلال نموذج مدرب مسبقًا. نحدد الscript_scope
asinference
. - model_uri - استعمال
model_uri
للحصول على عيوب النموذج من Amazon S3 لملفmodel_id
.
- model_id - استعمال
- استعمل
HF_TASK
لتحديد مهمة خط أنابيب محولات Hugging Face وHF_MODEL_ID
لتعريف النموذج المستخدم لتصنيف النص:للحصول على قائمة كاملة من المهام ، انظر خطوط الأنابيب في وثائق Hugging Face.
- قم بإنشاء كائن نموذج Hugging Face ليتم نشره مع وظيفة تحويل مجموعة SageMaker:
- إنشاء تحويل لتشغيل وظيفة دُفعية:
- ابدأ وظيفة تحويل دُفعات واستخدم بيانات S3 كإدخال:
يمكنك مراقبة مهمة معالجة الدُفعات الخاصة بك على وحدة تحكم SageMaker (اختر وظائف تحويل الدفعة مع الإستنباط في جزء التنقل). عند اكتمال المهمة ، يمكنك التحقق من إخراج توقع النموذج في ملف S3 المحدد في output_path
.
للحصول على قائمة بجميع الطرز المتاحة المدربة مسبقًا في SageMaker JumpStart ، يرجى الرجوع إلى خوارزميات مدمجة مع نموذج جدول مدرب مسبقًا. استخدم الكلمة الأساسية "zstc" (اختصار لتصنيف النص بدون لقطة) في شريط البحث لتحديد جميع النماذج القادرة على تصنيف النص بدون لقطة.
تنظيف
بعد الانتهاء من تشغيل دفتر الملاحظات ، تأكد من حذف جميع الموارد التي تم إنشاؤها في العملية لضمان إيقاف التكاليف التي تكبدتها الأصول التي تم نشرها في هذا الدليل. يتم توفير الكود لتنظيف الموارد المنشورة في دفاتر الملاحظات المرتبطة بنموذج ونموذج تصنيف نص اللقطة الصفرية.
تكوينات الأمان الافتراضية
يتم نشر نماذج SageMaker JumpStart باستخدام تكوينات الأمان الافتراضية التالية:
لمعرفة المزيد حول الموضوعات المتعلقة بالأمان في SageMaker ، تحقق من تكوين الأمان في Amazon SageMaker.
وفي الختام
في هذا المنشور ، أوضحنا لك كيفية نشر نموذج تصنيف بدون طلقة باستخدام SageMaker JumpStart UI وإجراء الاستدلال باستخدام نقطة النهاية المنشورة. استخدمنا حل قرارات SageMaker JumpStart New Year لإظهار كيف يمكنك استخدام SageMaker Python SDK لبناء حل شامل وتنفيذ تطبيق التصنيف الصفري. يوفر SageMaker JumpStart الوصول إلى مئات النماذج والحلول المدربة مسبقًا لمهام مثل رؤية الكمبيوتر ومعالجة اللغة الطبيعية وأنظمة التوصية والمزيد. جرب الحل بنفسك وأخبرنا بأفكارك.
عن المؤلفين
ديفيد لاريدو هو مهندس النماذج الأولية في AWS Envision Engineering في أمريكا اللاتينية ، حيث ساعد في تطوير نماذج أولية متعددة للتعلم الآلي. عمل سابقًا كمهندس تعلم الآلة وقام بالتعلم الآلي لأكثر من 5 سنوات. مجالات اهتمامه هي البرمجة اللغوية العصبية ، والسلاسل الزمنية ، و ML من طرف إلى طرف.
فيكرام إيلانجو هو مهندس حلول متخصص في الذكاء الاصطناعي / التعلم الآلي في Amazon Web Services ، ومقرها في فرجينيا ، الولايات المتحدة. يساعد Vikram عملاء الصناعة المالية والتأمينية في التصميم والقيادة الفكرية لبناء ونشر تطبيقات التعلم الآلي على نطاق واسع. يركز حاليًا على معالجة اللغة الطبيعية ، والذكاء الاصطناعي المسؤول ، وتحسين الاستدلال ، وتوسيع ML عبر المؤسسة. في أوقات فراغه ، يستمتع بالسفر والتنزه والطهي والتخييم مع عائلته.
الدكتور فيفيك مادان هو عالم تطبيقي مع فريق Amazon SageMaker JumpStart. حصل على الدكتوراه من جامعة إلينوي في Urbana-Champaign وكان باحثًا بعد الدكتوراه في Georgia Tech. وهو باحث نشط في التعلم الآلي وتصميم الخوارزمية وقد نشر أوراقًا علمية في مؤتمرات EMNLP و ICLR و COLT و FOCS و SODA.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون السيارات / المركبات الكهربائية ، كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
- تشارت بريم. ارفع مستوى لعبة التداول الخاصة بك مع ChartPrime. الوصول هنا.
- BlockOffsets. تحديث ملكية الأوفست البيئية. الوصول هنا.
- المصدر https://aws.amazon.com/blogs/machine-learning/zero-shot-text-classification-with-amazon-sagemaker-jumpstart/
- :لديها
- :يكون
- :ليس
- :أين
- $ UP
- 1
- 10
- 100
- 12
- 16
- 17
- 20
- 22
- 30
- 7
- 8
- 9
- a
- القدرة
- من نحن
- فوق
- الوصول
- حسابي
- التأهيل
- في
- نشط
- إضافي
- ضد
- AI
- AI / ML
- AL
- اليكسا
- خوارزمية
- خوارزميات
- الكل
- السماح
- يسمح
- أمازون
- الأمازون SageMaker
- أمازون سيج ميكر جومب ستارت
- أمازون ويب سيرفيسز
- كمية
- an
- و
- أي وقت
- API
- تطبيق
- التطبيقات
- تطبيقي
- هندسة معمارية
- هي
- المناطق
- AS
- الآسيوية
- ممتلكات
- تعيين
- أسوشيتد
- At
- تلقائيا
- متاح
- AWS
- شريط
- قاعدة
- على أساس
- BE
- كان
- يجري
- ينتمي
- ما بين
- إزهار
- الجسدي
- كُتُب
- الإفطار
- نساعدك في بناء
- مدمج
- الأعمال
- لكن
- by
- CAN
- مرشح
- قادر على
- فيزا وماستركارد
- التوظيف
- دائري
- الحالات
- الفئات
- القطط
- تحدي
- التحقق
- اختار
- فئة
- فصول
- تصنيف
- مبوب
- صنف
- الكود
- الأعمدة
- مشترك
- إكمال
- تعقيد
- الكمبيوتر
- رؤية الكمبيوتر
- أجهزة الكمبيوتر
- قلق
- المؤتمرات
- الاعداد
- وتعتبر
- كنسولات
- بناء
- وعاء
- يحتوي
- تباين
- تحويلها
- التكاليف
- استطاع
- البلد
- زوجان
- خلق
- خلق
- خلق
- حاليا
- على
- العملاء
- البيانات
- نقاط البيانات
- قواعد البيانات
- مخصصة
- الترتيب
- حدد
- تعريف
- الطلب
- توقعات الطلب
- شرح
- التبعيات
- تابع
- نشر
- نشر
- نشر
- تصميم
- مطلوب
- تفاصيل
- كشف
- حدد
- تطوير
- التطوير التجاري
- الخلافات
- التوزيع
- بحث
- تنوع
- عامل في حوض السفن
- توثيق
- لا
- فعل
- فعل
- اثنان
- E & T
- كل
- الشرق
- التعليم
- البريد الإلكتروني
- تمكين
- التشفير
- النهائي إلى نهاية
- نقطة النهاية
- مهندس
- الهندسة
- ضمان
- مشروع
- كيان
- تصور
- تقييم
- حتى
- مثال
- أمثلة
- الوجه
- زائف
- للعائلات
- المميزات
- قليل
- حقل
- الشكل
- قم بتقديم
- تمويل
- مالي
- منتجات الأرضيات
- ركز
- متابعيك
- في حالة
- شكل
- دورة تأسيسية
- الإطار
- احتيال
- الكشف عن الغش
- تبدأ من
- وظيفة
- لعبة
- توليد
- جورجيا
- دولار فقط واحصل على خصم XNUMX% على جميع
- GitHub جيثب:
- معطى
- إعطاء
- أرض
- التسويق
- توجيه
- معالجة
- يملك
- he
- صحة الإنسان
- ثقيل
- رفع أحمال ثقيلة
- مساعدة
- ساعد
- يساعد
- عالي الجودة
- له
- استضافة
- المضيفين
- كيفية
- كيفية
- HTML
- HTTP
- HTTPS
- محور
- الانسان
- فكاهة
- مئات
- مئات الملايين
- ID
- هوية
- if
- إلينوي
- يوضح
- صورة
- تنفيذ
- استيراد
- in
- شامل
- يشمل
- العالمية
- معلومات
- البنية التحتية
- متأصل
- إدخال
- المدخلات
- مثل
- التأمين
- مصلحة
- IT
- وظيفة
- المشــاريــع
- JPG
- جسون
- القفل
- مفاتيح
- علم
- تُشير
- ملصقات
- هبوط
- لغة
- كبير
- LATAM
- أطلقت
- القيادة
- تعلم
- تعلم
- اليسار
- اسمحوا
- تجميل
- مثل
- خط
- خطوط
- قائمة
- LLM
- جار التحميل
- تبدو
- آلة
- آلة التعلم
- جعل
- يصنع
- رجل
- إدارة
- كثير
- ماكس
- مايو..
- رجالي
- طريقة
- ملايين
- دقيقة
- دقيقة
- ML
- نموذج
- عارضات ازياء
- مراقبة
- الأكثر من ذلك
- متعدد
- my
- الاسم
- طبيعي
- معالجة اللغات الطبيعية
- التنقل
- قائمة الإختيارات
- حاجة
- جديد
- السنة الجديدة
- البرمجة اللغوية العصبية
- لا
- مفكرة
- عدد
- موضوع
- of
- on
- فقط
- جاكيت
- التحسين
- or
- طلب
- المنظمات
- أصلي
- أخرى
- خارج
- الناتج
- على مدى
- الخاصة
- صفحة
- خبز
- أوراق
- نموذج
- المعلمات
- جزء
- مسار
- إلى
- نفذ
- أداء
- أذونات
- الشخصية
- مخصصه
- رسالة دكتوراه
- الإحسان
- خط أنابيب
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- لعب
- نقاط
- سياسة
- الرائج
- منشور
- ممارسة
- تنبؤ
- تنبؤات
- يقدم
- سابقا
- مشاكل
- عملية المعالجة
- معالجة
- المقترح
- نماذج
- النماذج
- تزود
- المقدمة
- ويوفر
- تقديم
- نشرت
- بايثون
- pytorch
- سريع
- بسرعة
- عرض
- حقيقي
- في الوقت الحقيقي
- مؤخرا
- اعتراف
- توصية مجاناً
- ساندي خ. ميليك
- تقليص
- إزالة
- طلب
- تطلب
- مطلوب
- الباحث
- الموارد
- استجابة
- ردود
- مسؤول
- نتيجة
- النتائج
- عائدات
- مراجعة
- حق
- النوع
- يجري
- تشغيل
- s
- sagemaker
- نفسه
- حفظ
- حجم
- التحجيم
- عالم
- أحرز هدفاً
- خدش
- مخطوطات
- التمرير
- الإستراحة
- بحث
- القسم
- أمن
- انظر تعريف
- اختيار
- تسلسل
- مسلسلات
- خدماتنا
- إعدادات
- قصير
- اطلاق النار
- إظهار
- أظهرت
- الاشارات
- تبسيط
- منذ
- المقاس
- كرة القدم
- حل
- الحلول
- حل
- بعض
- شيء
- تحدث
- متخصص
- محدد
- على وجه التحديد
- محدد
- تحدث
- رياضة
- مستقر
- مستقل
- بداية
- بدأت
- دولة من بين الفن
- إقامة
- خطوة
- خطوات
- توقف
- تخزين
- تخزين
- خيط
- بناء
- ستوديو
- هذه
- الدعم
- بالتأكيد
- أنظمة
- جدول
- أخذ
- يأخذ
- مهمة
- المهام
- فريق
- التكنولوجيا
- النماذج
- تصنيف النص
- أن
- •
- من مشاركة
- then
- تشبه
- فكر
- قيادة الفكر
- عبر
- الوقت
- السلاسل الزمنية
- TM
- إلى
- المواضيع
- قطار
- متدرب
- قادة الإيمان
- تحويل
- تحول
- تحول
- محول
- محولات
- السفر
- تريليون
- صحيح
- حقيقة
- محاولة
- تويت
- اثنان
- نوع
- ui
- مع
- فهم
- جامعة
- تم التحميل
- us
- تستخدم
- مستعمل
- استخدام
- سهل حياتك
- تشكيلة
- كبير
- الإصدار
- جدا
- فيديو
- فرجينيا
- رؤيتنا
- vs
- تجول
- تريد
- وكان
- طريق..
- we
- الويب
- خدمات ويب
- حسن
- كان
- متى
- سواء
- في حين
- لمن
- واسع
- سوف
- مع
- بدون
- كلمات
- عمل
- أعمال
- جاري الكتابة
- عام
- سنوات
- أنت
- أصغر
- حل متجر العقارات الشامل الخاص بك في جورجيا
- زفيرنت
- صفر
- التعلم بدون طلقة