2022 সালের নভেম্বরে, আমরা ঘোষিত যে AWS গ্রাহকরা পাঠ্য থেকে ছবি তৈরি করতে পারে স্থিতিশীল বিস্তার মধ্যে মডেল আমাজন সেজমেকার জাম্পস্টার্ট. আজ, আমরা একটি নতুন বৈশিষ্ট্য ঘোষণা করছি যা আপনাকে জাম্পস্টার্টে স্থিতিশীল ডিফিউশন মডেলের সাথে আপস্কেল ছবি (গুণমান হারানো ছাড়াই চিত্রের আকার পরিবর্তন করতে) দেয়। কম রেজোলিউশন, ঝাপসা এবং পিক্সেলেটেড একটি ছবিকে একটি উচ্চ-রেজোলিউশনের ছবিতে রূপান্তরিত করা যেতে পারে যা মসৃণ, পরিষ্কার এবং আরও বিস্তারিত দেখায়। এই প্রক্রিয়া, বলা হয় আপস্কেলিং, বাস্তব ইমেজ এবং দ্বারা উত্পন্ন ইমেজ উভয় প্রয়োগ করা যেতে পারে টেক্সট থেকে ইমেজ স্ট্যাবল ডিফিউশন মডেল. এটি ইকমার্স এবং রিয়েল এস্টেটের পাশাপাশি শিল্পী এবং ফটোগ্রাফারদের জন্য বিভিন্ন শিল্পে ছবির গুণমান উন্নত করতে ব্যবহার করা যেতে পারে। অতিরিক্তভাবে, উচ্চ-রেজোলিউশনের স্ক্রিনে প্রদর্শিত হলে আপস্কেলিং কম-রেজোলিউশনের চিত্রগুলির ভিজ্যুয়াল গুণমানকে উন্নত করতে পারে।
স্ট্যাবল ডিফিউশন ছবিগুলিকে উন্নত করার জন্য একটি AI অ্যালগরিদম ব্যবহার করে, ম্যানুয়াল কাজের প্রয়োজনীয়তা দূর করে যার জন্য একটি ছবিতে ম্যানুয়ালি শূন্যস্থান পূরণের প্রয়োজন হতে পারে। এটি লক্ষ লক্ষ চিত্রের উপর প্রশিক্ষিত হয়েছে এবং উচ্চ-রেজোলিউশনের চিত্রগুলি সঠিকভাবে ভবিষ্যদ্বাণী করতে পারে, যার ফলে প্রথাগত ইমেজ আপস্কেলারের তুলনায় বিস্তারিত উল্লেখযোগ্য বৃদ্ধি পায়। অতিরিক্তভাবে, নিকটতম প্রতিবেশীর মতো অ-গভীর-শিক্ষার কৌশলগুলির বিপরীতে, স্থিতিশীল ডিফিউশন চিত্রের প্রেক্ষাপটকে বিবেচনা করে, একটি পাঠ্য প্রম্পট ব্যবহার করে আপস্কেলিং প্রক্রিয়াকে গাইড করে।
এই পোস্টে, আমরা দুটি উপায়ে স্থিতিশীল ডিফিউশন আপস্কেলার মডেলের সাথে কীভাবে অনুমান স্থাপন এবং চালাতে হয় তার একটি ওভারভিউ প্রদান করি: জাম্পস্টার্টের ইউজার ইন্টারফেসের (UI) মাধ্যমে অ্যামাজন সেজমেকার স্টুডিও, এবং প্রোগ্রামের মাধ্যমে জাম্পস্টার্ট API উপলব্ধ সেজমেকার পাইথন এসডিকে.
সমাধান ওভারভিউ
নিম্নলিখিত চিত্রগুলি মডেল দ্বারা সম্পাদিত আপস্কেলিংয়ের উদাহরণগুলি দেখায়৷ বাঁদিকে আসল লো-রেজোলিউশনের ইমেজটি মডেলের দ্বারা তৈরি করা ছবির আকারের সাথে মেলে বড় করা হয়েছে। ডানদিকে মডেল দ্বারা উত্পন্ন ইমেজ আছে.
প্রথম জেনারেট করা ছবি হল কম রেজোলিউশনের বিড়ালের ছবি এবং প্রম্পট "একটি সাদা বিড়াল"।
দ্বিতীয় জেনারেট করা ছবি হল কম রেজোলিউশনের প্রজাপতির ছবি এবং প্রম্পট "একটি সবুজ পাতায় একটি প্রজাপতি।"
স্টেবল ডিফিউশনের মতো বড় মডেল চালানোর জন্য কাস্টম ইনফারেন্স স্ক্রিপ্ট প্রয়োজন। স্ক্রিপ্ট, মডেল এবং কাঙ্খিত দৃষ্টান্ত একসাথে কার্যকরীভাবে কাজ করে কিনা তা নিশ্চিত করার জন্য আপনাকে এন্ড-টু-এন্ড পরীক্ষা চালাতে হবে। জাম্পস্টার্ট এই প্রক্রিয়াটিকে সহজ করে দেয় ব্যবহার করার জন্য প্রস্তুত স্ক্রিপ্টগুলি প্রদান করে যা দৃঢ়ভাবে পরীক্ষা করা হয়েছে। আপনি স্টুডিও UI-এর মাধ্যমে এক ক্লিকে বা কোডের খুব কম লাইনের মাধ্যমে এই স্ক্রিপ্টগুলি অ্যাক্সেস করতে পারেন জাম্পস্টার্ট API.
নিম্নলিখিত বিভাগগুলি স্টুডিও ইউআই বা জাম্পস্টার্ট এপিআই ব্যবহার করে মডেল স্থাপন এবং অনুমান চালানোর একটি ওভারভিউ প্রদান করে।
মনে রাখবেন যে এই মডেলটি ব্যবহার করে, আপনি এতে সম্মত হন CreativeML ওপেন RAIL++-M লাইসেন্স.
স্টুডিও UI এর মাধ্যমে জাম্পস্টার্ট অ্যাক্সেস করুন
এই বিভাগে, আমরা স্টুডিও UI-এর মাধ্যমে জাম্পস্টার্ট মডেলগুলিকে কীভাবে প্রশিক্ষণ ও স্থাপন করতে হয় তা প্রদর্শন করি। নিচের ভিডিওটি দেখায় কিভাবে জাম্পস্টার্টে প্রাক-প্রশিক্ষিত স্থিতিশীল ডিফিউশন আপস্কেলার মডেলটি খুঁজে বের করতে হয় এবং এটি স্থাপন করতে হয়। মডেল পৃষ্ঠায় মডেল সম্পর্কে মূল্যবান তথ্য রয়েছে এবং এটি কীভাবে ব্যবহার করবেন। অনুমানের জন্য, আমরা ml.p3.2xlarge ইন্সট্যান্স টাইপ ব্যবহার করি কারণ এটি কম মূল্যের বিন্দুতে কম-অনুমানের বিলম্বের জন্য প্রয়োজনীয় GPU ত্বরণ প্রদান করে। আপনি SageMaker হোস্টিং উদাহরণ কনফিগার করার পরে, নির্বাচন করুন স্থাপন করুন. এন্ডপয়েন্টটি আপ এবং চালু হওয়া পর্যন্ত 5-10 মিনিট সময় লাগবে এবং অনুমান অনুরোধের প্রতিক্রিয়া জানাতে প্রস্তুত।
অনুমান করার সময়কে ত্বরান্বিত করতে, জাম্পস্টার্ট একটি নমুনা নোটবুক সরবরাহ করে যা দেখায় কিভাবে নতুন তৈরি শেষ পয়েন্টে অনুমান চালাতে হয়। স্টুডিওতে নোটবুক অ্যাক্সেস করতে, বেছে নিন নোটবুক খুলুন মধ্যে স্টুডিও থেকে এন্ডপয়েন্ট ব্যবহার করুন মডেল এন্ডপয়েন্ট পৃষ্ঠার বিভাগ।
SageMaker SDK-এর সাথে প্রোগ্রাম্যাটিকভাবে জাম্পস্টার্ট ব্যবহার করুন
আপনি মাত্র কয়েকটি ক্লিকে একটি প্রাক-প্রশিক্ষিত মডেলকে ইন্টারেক্টিভভাবে স্থাপন করতে জাম্পস্টার্ট UI ব্যবহার করতে পারেন। যাইহোক, আপনি SageMaker Python SDK-তে একীভূত API ব্যবহার করে প্রোগ্রাম্যাটিকভাবে জাম্পস্টার্ট মডেলগুলিও ব্যবহার করতে পারেন।
এই বিভাগে, আমরা জাম্পস্টার্টে একটি উপযুক্ত প্রাক-প্রশিক্ষিত মডেল বেছে নিই, এই মডেলটিকে একটি সেজমেকার এন্ডপয়েন্টে স্থাপন করি, এবং নিয়োজিত এন্ডপয়েন্টে অনুমান চালাই, সবই সেজমেকার পাইথন SDK ব্যবহার করে। নিম্নলিখিত উদাহরণে কোড স্নিপেট রয়েছে। এই ডেমোর সমস্ত ধাপ সহ সম্পূর্ণ কোডের জন্য, দেখুন জাম্পস্টার্টের ভূমিকা - প্রম্পট দ্বারা নির্দেশিত চিত্রের গুণমান উন্নত করুন উদাহরণ নোটবুক।
প্রাক-প্রশিক্ষিত মডেল স্থাপন করুন
সেজমেকার বিভিন্ন বিল্ড এবং রানটাইম কাজের জন্য ডকার কন্টেইনার ব্যবহার করে। জাম্পস্টার্ট ব্যবহার করে সেজমেকার গভীর শিক্ষার পাত্রে (DLCs) যেগুলি ফ্রেমওয়ার্ক-নির্দিষ্ট। আমরা প্রথমে কোনো অতিরিক্ত প্যাকেজ, সেইসাথে নির্বাচিত কাজের জন্য প্রশিক্ষণ এবং অনুমান পরিচালনা করার জন্য স্ক্রিপ্ট নিয়ে আসি। তারপরে প্রাক-প্রশিক্ষিত মডেলের নিদর্শনগুলি আলাদাভাবে আনা হয় model_uris
, যা প্ল্যাটফর্মে নমনীয়তা প্রদান করে। এটি একটি একক অনুমান স্ক্রিপ্টের সাথে একাধিক প্রাক-প্রশিক্ষিত মডেল ব্যবহার করার অনুমতি দেয়। নিম্নলিখিত কোড এই প্রক্রিয়াটি ব্যাখ্যা করে:
এর পরে, আমরা সেই সংস্থানগুলিকে একটিতে সরবরাহ করি সেজমেকার মডেল উদাহরণ এবং একটি শেষ পয়েন্ট স্থাপন করুন:
আমাদের মডেল স্থাপন করার পরে, আমরা বাস্তব সময়ে এটি থেকে ভবিষ্যদ্বাণী পেতে পারি!
ছক পূরণ করা
এন্ডপয়েন্ট একটি কম-রেজোলিউশন ইমেজকে কাঁচা RGB মান বা একটি base64 এনকোডেড ইমেজ হিসেবে গ্রহণ করে। অনুমান হ্যান্ডলার এর উপর ভিত্তি করে চিত্রটিকে ডিকোড করে content_type
:
- জন্য
content_type = “application/json”
, ইনপুট পেলোড অবশ্যই কাঁচা RGB মান, একটি পাঠ্য প্রম্পট এবং অন্যান্য ঐচ্ছিক পরামিতি সহ একটি JSON অভিধান হতে হবে - জন্য
content_type = “application/json;jpeg”
, ইনপুট পেলোড অবশ্যই বেস64 এনকোড করা চিত্র, একটি পাঠ্য প্রম্পট এবং অন্যান্য ঐচ্ছিক পরামিতি সহ একটি JSON অভিধান হতে হবে
আউটপুট ফরমেট
নিম্নলিখিত কোড উদাহরণগুলি আপনাকে আউটপুটগুলি কেমন দেখাচ্ছে তার একটি আভাস দেয়। ইনপুট বিন্যাসের অনুরূপভাবে, এন্ডপয়েন্টটি ইমেজের কাঁচা RGB মান বা একটি বেস64 এনকোড করা চিত্রের সাথে প্রতিক্রিয়া জানাতে পারে। এটি সেটিং দ্বারা নির্দিষ্ট করা যেতে পারে accept
দুটি মানের একটিতে:
- জন্য
accept = “application/json”
, শেষ বিন্দু চিত্রের জন্য RGB মান সহ একটি JSON অভিধান প্রদান করে - জন্য
accept = “application/json;jpeg”
, এন্ডপয়েন্ট বেস64.b64 এনকোডিং এর সাথে এনকোড করা বাইট হিসাবে JPEG ইমেজ সহ একটি JSON অভিধান প্রদান করে
মনে রাখবেন যে কাঁচা RGB মান সহ পেলোড পাঠানো বা গ্রহণ করা ইনপুট পেলোড এবং প্রতিক্রিয়া আকারের জন্য ডিফল্ট সীমাতে আঘাত করতে পারে। অতএব, আমরা সেটিংস দ্বারা base64 এনকোডেড চিত্র ব্যবহার করার পরামর্শ দিই content_type = “application/json;jpeg”
এবং accept = “application/json;jpeg”
.
নিম্নলিখিত কোড একটি উদাহরণ অনুমান অনুরোধ:
এন্ডপয়েন্ট রেসপন্স হল একটি JSON অবজেক্ট যাতে জেনারেট করা ছবি এবং প্রম্পট থাকে:
সমর্থিত পরামিতি
স্ট্যাবল ডিফিউশন আপস্কেলিং মডেল ইমেজ জেনারেশনের জন্য অনেক প্যারামিটার সমর্থন করে:
- ভাবমূর্তি - একটি কম রেজোলিউশন ছবি।
- প্রম্পট - ইমেজ প্রজন্মকে গাইড করার জন্য একটি প্রম্পট। এটি একটি স্ট্রিং বা স্ট্রিংগুলির একটি তালিকা হতে পারে।
- num_inference_steps (ঐচ্ছিক) - ইমেজ তৈরির সময় denoising পদক্ষেপ সংখ্যা. আরও পদক্ষেপ উচ্চ মানের চিত্রের দিকে নিয়ে যায়। নির্দিষ্ট করা হলে, এটি অবশ্যই একটি ধনাত্মক পূর্ণসংখ্যা। মনে রাখবেন যে আরো অনুমান পদক্ষেপ একটি দীর্ঘ প্রতিক্রিয়া সময় হতে হবে.
- গাইডেন্স_স্কেল (ঐচ্ছিক) - একটি উচ্চতর নির্দেশিকা স্কেল একটি চিত্রকে আরও ঘনিষ্ঠভাবে প্রম্পটের সাথে সম্পর্কিত করে, ছবির গুণমানের খরচে। নির্দিষ্ট করা হলে, এটি একটি ফ্লোট হতে হবে।
guidance_scale<=1
উপেক্ষা করা হয়। - নেতিবাচক_প্রম্পট (ঐচ্ছিক) - এটি এই প্রম্পটের বিরুদ্ধে ইমেজ প্রজন্মকে গাইড করে। নির্দিষ্ট করা থাকলে, এটি অবশ্যই একটি স্ট্রিং বা স্ট্রিংগুলির একটি তালিকা এবং এর সাথে ব্যবহার করা আবশ্যক৷
guidance_scale
। যদিguidance_scale
অক্ষম, এটিও অক্ষম। অধিকন্তু, যদি প্রম্পটটি স্ট্রিংগুলির একটি তালিকা হয়, তাহলে নেতিবাচক_প্রম্পটটি অবশ্যই স্ট্রিংগুলির একটি তালিকা হতে হবে। - বীজ (ঐচ্ছিক) - এটি প্রজননযোগ্যতার জন্য এলোমেলো অবস্থা ঠিক করে। নির্দিষ্ট করা হলে, এটি একটি পূর্ণসংখ্যা হতে হবে। যখনই আপনি একই বীজের সাথে একই প্রম্পট ব্যবহার করেন, ফলাফলটি সর্বদা একই হবে।
- noise_level (ঐচ্ছিক) - এটি আপস্কেলিংয়ের আগে সুপ্ত ভেক্টরগুলিতে শব্দ যোগ করে। নির্দিষ্ট করা হলে, এটি একটি পূর্ণসংখ্যা হতে হবে।
আপনি উচ্চতর এবং উচ্চ মানের ছবি পেতে বারবার এন্ডপয়েন্ট আহ্বান করে একটি চিত্রকে পুনরাবৃত্তভাবে উন্নত করতে পারেন।
ছবির আকার এবং উদাহরণ প্রকার
মডেল দ্বারা উত্পন্ন চিত্রগুলি মূল কম-রেজোলিউশনের চিত্রের চারগুণ আকারের হতে পারে৷ তদ্ব্যতীত, মডেলের মেমরির প্রয়োজনীয়তা (GPU মেমরি) জেনারেট করা চিত্রের আকারের সাথে বৃদ্ধি পায়। অতএব, আপনি যদি ইতিমধ্যেই একটি উচ্চ-রেজোলিউশনের চিত্রকে আপস্কেলিং করছেন বা পুনরাবৃত্তিমূলকভাবে চিত্রগুলিকে আপস্কেলিং করছেন, তাহলে একটি বড় GPU মেমরি সহ একটি উদাহরণ টাইপ নির্বাচন করুন৷ উদাহরণস্বরূপ, ml.g5.2xlarge-এ ml.p3.2xlarge ইন্সট্যান্স টাইপের চেয়ে বেশি GPU মেমরি রয়েছে যা আমরা আগে ব্যবহার করেছি। বিভিন্ন উদাহরণের ধরন সম্পর্কে আরও তথ্যের জন্য, পড়ুন Amazon EC2 ইনস্ট্যান্স প্রকার.
টুকরো টুকরো ছবি আপস্কেলিং
বড় ইমেজ আপস্কেল করার সময় মেমরির প্রয়োজনীয়তা কমাতে, আপনি ইমেজটিকে ছোট ছোট ভাগে ভাগ করতে পারেন, যাকে বলা হয় টাইলস, এবং পৃথকভাবে প্রতিটি টাইল আপস্কেল করুন। টাইলগুলি আপস্কেল করার পরে, চূড়ান্ত চিত্র তৈরি করতে তারা একসাথে মিশ্রিত করা যেতে পারে। এই পদ্ধতিতে প্রতিটি টাইলের জন্য প্রম্পট মানিয়ে নেওয়া প্রয়োজন যাতে মডেলটি টাইলের বিষয়বস্তু বুঝতে পারে এবং অদ্ভুত ছবি তৈরি করা এড়াতে পারে। মিশ্রন সহজতর করার জন্য প্রম্পটের স্টাইল অংশটি সমস্ত টাইলের জন্য সামঞ্জস্যপূর্ণ থাকা উচিত। উচ্চতর ডিনোইসিং সেটিংস ব্যবহার করার সময়, প্রম্পটে আরও সুনির্দিষ্ট হওয়া গুরুত্বপূর্ণ কারণ মডেলটির চিত্রটিকে মানিয়ে নেওয়ার আরও স্বাধীনতা রয়েছে। এটি চ্যালেঞ্জিং হতে পারে যখন টাইলটিতে শুধুমাত্র ব্যাকগ্রাউন্ড থাকে বা সরাসরি ছবির মূল বিষয়বস্তুর সাথে সম্পর্কিত না হয়।
সীমাবদ্ধতা এবং পক্ষপাত
যদিও স্টেবল ডিফিউশন আপস্কেলিংয়ে চিত্তাকর্ষক পারফরম্যান্স রয়েছে, এটি বেশ কয়েকটি সীমাবদ্ধতা এবং পক্ষপাতের শিকার। এর মধ্যে রয়েছে কিন্তু সীমাবদ্ধ নয়:
- মডেলটি সঠিক মুখ বা অঙ্গ তৈরি করতে পারে না কারণ প্রশিক্ষণের ডেটাতে এই বৈশিষ্ট্যগুলির সাথে পর্যাপ্ত ছবি অন্তর্ভুক্ত করা হয় না
- মডেলকে প্রশিক্ষণ দেওয়া হয়েছিল LAION-5B ডেটাসেট, যেটিতে প্রাপ্তবয়স্কদের সামগ্রী রয়েছে এবং আরও বিবেচনা ছাড়া পণ্য ব্যবহারের জন্য উপযুক্ত নাও হতে পারে৷
- মডেলটি অ-ইংরেজি ভাষার সাথে ভাল কাজ নাও করতে পারে কারণ মডেলটি ইংরেজি ভাষার পাঠ্যের উপর প্রশিক্ষিত ছিল
- মডেলটি ইমেজের মধ্যে ভাল পাঠ্য তৈরি করতে পারে না
সীমাবদ্ধতা এবং পক্ষপাত সম্পর্কে আরও তথ্যের জন্য, দেখুন স্ট্যাবল ডিফিউশন আপস্কেলার মডেল কার্ড.
পরিষ্কার কর
আপনি নোটবুক চালানো শেষ করার পরে, বিলিং বন্ধ করা হয়েছে তা নিশ্চিত করতে প্রক্রিয়াটিতে তৈরি সমস্ত সংস্থান মুছে ফেলার বিষয়টি নিশ্চিত করুন৷ এন্ডপয়েন্ট পরিষ্কার করার কোডটি সংশ্লিষ্ট এ পাওয়া যায় নোটবই.
উপসংহার
এই পোস্টে, আমরা দেখিয়েছি কিভাবে জাম্পস্টার্ট ব্যবহার করে একটি প্রাক-প্রশিক্ষিত স্থিতিশীল ডিফিউশন আপস্কেলার মডেল স্থাপন করা যায়। আমরা এই পোস্টে কোড স্নিপেট দেখিয়েছি—এই ডেমোর সমস্ত ধাপ সহ সম্পূর্ণ কোড এখানে উপলব্ধ জাম্পস্টার্টের ভূমিকা - প্রম্পট দ্বারা নির্দেশিত চিত্রের গুণমান উন্নত করুন উদাহরণ নোটবুক। আপনার নিজের সমাধান চেষ্টা করুন এবং আমাদের আপনার মন্তব্য পাঠান.
মডেল সম্পর্কে আরও জানতে এবং এটি কীভাবে কাজ করে, নিম্নলিখিত সংস্থানগুলি দেখুন:
জাম্পস্টার্ট সম্পর্কে আরও জানতে, নিম্নলিখিত ব্লগ পোস্টগুলি দেখুন:
লেখক সম্পর্কে
বিবেক মদন ড অ্যামাজন সেজমেকার জাম্পস্টার্ট দলের একজন ফলিত বিজ্ঞানী। তিনি আরবানা-চ্যাম্পেইনের ইলিনয় বিশ্ববিদ্যালয় থেকে তার পিএইচডি পেয়েছিলেন এবং জর্জিয়া টেকের পোস্ট ডক্টরাল গবেষক ছিলেন। তিনি মেশিন লার্নিং এবং অ্যালগরিদম ডিজাইনের একজন সক্রিয় গবেষক এবং EMNLP, ICLR, COLT, FOCS এবং SODA কনফারেন্সে গবেষণাপত্র প্রকাশ করেছেন।
হেইকো হটজ ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং (এনএলপি), লার্জ ল্যাঙ্গুয়েজ মডেল (এলএলএম) এবং জেনারেটিভ এআই-এর উপর বিশেষ ফোকাস সহ এআই এবং মেশিন লার্নিং-এর একজন সিনিয়র সলিউশন আর্কিটেক্ট। এই ভূমিকার আগে, তিনি আমাজনের ইইউ গ্রাহক পরিষেবার ডেটা সায়েন্সের প্রধান ছিলেন। Heiko আমাদের গ্রাহকদের AWS-এ তাদের AI/ML যাত্রায় সফল হতে সাহায্য করে এবং বীমা, আর্থিক পরিষেবা, মিডিয়া এবং বিনোদন, স্বাস্থ্যসেবা, ইউটিলিটিস এবং ম্যানুফ্যাকচারিং সহ অনেক শিল্পে সংস্থার সাথে কাজ করেছে। তার অবসর সময়ে হেইকো যতটা সম্ভব ভ্রমণ করে।
- এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
- প্লেটোব্লকচেন। Web3 মেটাভার্স ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
- উত্স: https://aws.amazon.com/blogs/machine-learning/upscale-images-with-stable-diffusion-in-amazon-sagemaker-jumpstart/
- 100
- 2022
- 7
- a
- সম্পর্কে
- দ্রুততর করা
- সমর্থন দিন
- গ্রহণ
- প্রবেশ
- হিসাব
- সঠিক
- সঠিক
- অর্জন
- সক্রিয়
- খাপ খাওয়ানো
- অতিরিক্ত
- উপরন্তু
- যোগ করে
- প্রাপ্তবয়স্ক
- পর
- বিরুদ্ধে
- AI
- এআই এবং মেশিন লার্নিং
- এআই / এমএল
- অ্যালগরিদম
- সব
- অনুমতি
- ইতিমধ্যে
- সর্বদা
- মর্দানী স্ত্রীলোক
- আমাজন সেজমেকার
- আমাজন সেজমেকার জাম্পস্টার্ট
- এবং
- ঘোষণা করা
- API
- API গুলি
- ফলিত
- যথাযথ
- শিল্পী
- যুক্ত
- স্বয়ংক্রিয়ভাবে
- সহজলভ্য
- ডেস্কটপ AWS
- পটভূমি
- ভিত্তি
- কারণ
- আগে
- হচ্ছে
- পক্ষপাত
- বিলিং
- মিশ্রণ
- ব্লগ
- ব্লগ এর লেখাগুলো
- বিরতি
- নির্মাণ করা
- নামক
- পেতে পারি
- ক্যাট
- চ্যালেঞ্জিং
- চেক
- বেছে নিন
- শ্রেণী
- পরিষ্কার
- ঘনিষ্ঠভাবে
- কোড
- মন্তব্য
- তুলনা
- সম্মেলন
- সঙ্গত
- আধার
- কন্টেনারগুলি
- ধারণ
- বিষয়বস্তু
- প্রসঙ্গ
- ধর্মান্তরিত
- সৃষ্টি
- নির্মিত
- তৈরি করা হচ্ছে
- প্রথা
- ক্রেতা
- গ্রাহক সেবা
- গ্রাহকদের
- উপাত্ত
- তথ্য বিজ্ঞান
- হ্রাস
- গভীর
- গভীর জ্ঞানার্জন
- ডিফল্ট
- প্রদর্শন
- স্থাপন
- মোতায়েন
- নকশা
- বিস্তারিত
- বিশদ
- বিভিন্ন
- আশ্লেষ
- সরাসরি
- অক্ষম
- ডকশ্রমিক
- না
- সময়
- প্রতি
- পূর্বে
- সহজ
- ইকমার্স
- দক্ষতার
- পারেন
- দূর
- সর্বশেষ সীমা
- শেষপ্রান্ত
- ইংরেজি
- নিশ্চিত করা
- বিনোদন
- প্রবেশ
- এস্টেট
- EU
- উদাহরণ
- উদাহরণ
- মুখ
- বৈশিষ্ট্য
- আনা হয়েছে
- কয়েক
- ফাইল
- চূড়ান্ত
- আর্থিক
- অর্থনৈতিক সেবা সমূহ
- আবিষ্কার
- প্রথম
- ফিট
- নমনীয়তা
- ভাসা
- কেন্দ্রবিন্দু
- অনুসরণ
- বিন্যাস
- স্বাধীনতা
- থেকে
- সম্পূর্ণ
- অধিকতর
- তদ্ব্যতীত
- উত্পাদন করা
- উত্পন্ন
- প্রজন্ম
- সৃজক
- জেনারেটিভ এআই
- জর্জিয়া
- পাওয়া
- দাও
- আভাস
- ভাল
- জিপিইউ
- Green
- বৃদ্ধি
- কৌশল
- নির্দেশিকা
- হাতল
- মাথা
- স্বাস্থ্যসেবা
- উচ্চতা
- সাহায্য
- উচ্চ রেজল্যুশন
- ঊর্ধ্বতন
- আঘাত
- হোস্টিং
- কিভাবে
- কিভাবে
- যাহোক
- এইচটিএমএল
- HTTPS দ্বারা
- ইলিনয়
- ভাবমূর্তি
- চিত্র
- গুরুত্বপূর্ণ
- চিত্তাকর্ষক
- উন্নত করা
- in
- অন্তর্ভুক্ত করা
- সুদ্ধ
- বৃদ্ধি
- স্বতন্ত্রভাবে
- শিল্প
- তথ্য
- ইনপুট
- উদাহরণ
- বীমা
- সংহত
- ইন্টারফেস
- IT
- যাত্রা
- JSON
- পরিচিত
- ভাষা
- ভাষাসমূহ
- বড়
- অদৃশ্যতা
- নেতৃত্ব
- শিখতে
- শিক্ষা
- যাক
- সীমাবদ্ধতা
- সীমিত
- সীমা
- লাইন
- তালিকা
- আর
- দেখুন
- মত চেহারা
- হারানো
- কম
- মেশিন
- মেশিন লার্নিং
- প্রধান
- করা
- ম্যানুয়াল
- ম্যানুয়াল কাজ
- ম্যানুয়ালি
- উত্পাদন
- অনেক
- ম্যাচ
- মিডিয়া
- স্মৃতি
- পদ্ধতি
- লক্ষ লক্ষ
- মিনিট
- ML
- মডেল
- মডেল
- অধিক
- বহু
- প্রাকৃতিক
- স্বাভাবিক ভাষা প্রক্রিয়াকরণ
- প্রয়োজন
- নতুন
- NLP
- গোলমাল
- নোটবই
- নভেম্বর
- সংখ্যা
- লক্ষ্য
- ONE
- খোলা
- ক্রম
- সংগঠন
- মূল
- অন্যান্য
- ওভারভিউ
- নিজের
- প্যাকেজ
- কাগজপত্র
- পরামিতি
- অংশ
- কর্মক্ষমতা
- ছবি
- টুকরা
- মাচা
- Plato
- প্লেটো ডেটা ইন্টেলিজেন্স
- প্লেটোডাটা
- বিন্দু
- ধনাত্মক
- সম্ভব
- পোস্ট
- পোস্ট
- ক্ষমতা
- ভবিষ্যদ্বাণী করা
- ভবিষ্যতবাণী
- Predictor
- বর্তমান
- মূল্য
- পূর্বে
- প্রক্রিয়া
- প্রক্রিয়াজাতকরণ
- পণ্য
- প্রদান
- উপলব্ধ
- প্রদানের
- প্রকাশিত
- পাইথন
- গুণ
- এলোমেলোভাবে
- কাঁচা
- প্রস্তুত
- বাস্তব
- আবাসন
- গ্রহণ
- সুপারিশ করা
- সংশ্লিষ্ট
- থাকা
- পুনঃপুনঃ
- অনুরোধ
- অনুরোধ
- প্রয়োজন
- প্রয়োজন
- আবশ্যকতা
- প্রয়োজন
- গবেষক
- সমাধান
- Resources
- প্রতিক্রিয়া
- প্রতিক্রিয়া
- ফল
- ফলে এবং
- ফলাফল
- প্রত্যাবর্তন
- আয়
- আরজিবি
- ভূমিকা
- চালান
- দৌড়
- ঋষি নির্মাতা
- একই
- স্কেল
- বিজ্ঞান
- বিজ্ঞানী
- পর্দা
- স্ক্রিপ্ট
- SDK
- দ্বিতীয়
- অধ্যায়
- বিভাগে
- বীজ
- নির্বাচিত
- পাঠানোর
- জ্যেষ্ঠ
- সেবা
- সেবা
- বিন্যাস
- সেটিংস
- বিভিন্ন
- উচিত
- প্রদর্শনী
- শো
- গুরুত্বপূর্ণ
- একভাবে
- একক
- আয়তন
- ক্ষুদ্রতর
- বাধামুক্ত
- So
- সমাধান
- সলিউশন
- প্রশিক্ষণ
- নির্দিষ্ট
- নিদিষ্ট
- স্থিতিশীল
- রাষ্ট্র
- প্রারম্ভিক ব্যবহারের নির্দেশাবলী
- বন্ধ
- চিত্রশালা
- শৈলী
- সফল
- এমন
- ভুগছেন
- যথেষ্ট
- সমর্থন
- গ্রহণ করা
- লাগে
- কার্য
- কাজ
- টীম
- প্রযুক্তি
- প্রযুক্তি
- পরীক্ষা
- সার্জারির
- তাদের
- অতএব
- দ্বারা
- সময়
- বার
- থেকে
- আজ
- একসঙ্গে
- ঐতিহ্যগত
- রেলগাড়ি
- প্রশিক্ষিত
- প্রশিক্ষণ
- ভ্রমনের
- ধরনের
- ui
- বোঝা
- বিশ্ববিদ্যালয়
- us
- ব্যবহার
- ব্যবহারকারী
- ব্যবহারকারী ইন্টারফেস
- ইউটিলিটি
- ব্যবহার
- দামি
- মানগুলি
- বিভিন্ন
- মাধ্যমে
- ভিডিও
- উপায়
- কি
- যে
- সাদা
- ইচ্ছা
- মধ্যে
- ছাড়া
- হয়া যাই ?
- এক সাথে কাজ কর
- কাজ করছে
- কাজ
- আপনি
- আপনার
- zephyrnet