শিল্পের বিস্তৃত পরিসর জুড়ে জেনারেটিভ এআই অ্যাপ্লিকেশনের সাফল্য বিশ্বব্যাপী কোম্পানিগুলির মনোযোগ এবং আগ্রহ আকর্ষণ করেছে যারা প্রতিযোগীদের কৃতিত্বকে পুনরুত্পাদন করতে এবং ছাড়িয়ে যেতে বা নতুন এবং উত্তেজনাপূর্ণ ব্যবহারের ক্ষেত্রে সমাধান করতে চায়। এই গ্রাহকরা TII Falcon, Stable Diffusion XL, বা OpenAI-এর GPT-3.5-এর মতো ফাউন্ডেশন মডেলগুলি খুঁজছেন, যেগুলি ইঞ্জিনগুলি তৈরি করে AI উদ্ভাবনকে শক্তি দেয়৷
ফাউন্ডেশন মডেল হল জেনারেটিভ এআই মডেলের একটি শ্রেণী যা মানুষের মতো বিষয়বস্তু বুঝতে এবং তৈরি করতে সক্ষম, প্রচুর পরিমাণে অসংগঠিত ডেটার জন্য তাদের প্রশিক্ষণ দেওয়া হয়েছে। এই মডেলগুলি বিভিন্ন কম্পিউটার ভিশন (সিভি) এবং ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং (এনএলপি) কাজগুলিতে বৈপ্লবিক পরিবর্তন এনেছে, যার মধ্যে ইমেজ তৈরি, অনুবাদ এবং প্রশ্নের উত্তর রয়েছে৷ তারা অনেক AI অ্যাপ্লিকেশনের জন্য বিল্ডিং ব্লক হিসাবে কাজ করে এবং উন্নত বুদ্ধিমান সিস্টেমের বিকাশে একটি গুরুত্বপূর্ণ উপাদান হয়ে উঠেছে।
যাইহোক, ফাউন্ডেশন মডেলের স্থাপনা উল্লেখযোগ্য চ্যালেঞ্জের সাথে আসতে পারে, বিশেষ করে খরচ এবং সম্পদের প্রয়োজনীয়তার ক্ষেত্রে। এই মডেলগুলি তাদের আকারের জন্য পরিচিত, প্রায়শই কয়েক মিলিয়ন থেকে বিলিয়ন প্যারামিটার পর্যন্ত। তাদের বড় আকার শক্তিশালী হার্ডওয়্যার এবং উল্লেখযোগ্য মেমরি ক্ষমতা সহ ব্যাপক গণনামূলক সংস্থানগুলির দাবি করে। প্রকৃতপক্ষে, কম্পিউটেশনাল লোড দক্ষতার সাথে পরিচালনা করার জন্য ফাউন্ডেশন মডেল স্থাপনের জন্য সাধারণত কমপক্ষে একটি (প্রায়শই বেশি) GPU-এর প্রয়োজন হয়। উদাহরণ স্বরূপ, TII Falcon-40B Instruct মডেলের মেমরিতে সফলভাবে লোড করার জন্য কমপক্ষে একটি ml.g5.12xlarge ইন্সট্যান্স প্রয়োজন, কিন্তু বড় ইন্সট্যান্সের সাথে ভাল পারফর্ম করে। ফলস্বরূপ, এই মডেলগুলি স্থাপন এবং রক্ষণাবেক্ষণের বিনিয়োগের উপর রিটার্ন (ROI) ব্যবসায়িক মূল্য প্রমাণের জন্য খুব কম হতে পারে, বিশেষত উন্নয়ন চক্রের সময় বা স্পাইকি কাজের চাপের জন্য। এটি দীর্ঘ সেশনের জন্য GPU-চালিত দৃষ্টান্ত থাকার চলমান খরচের কারণে, সম্ভাব্য 24/7।
এই বছরের শুরুতে, আমরা ঘোষণা করেছি আমাজন বেডরক, Amazon এবং আমাদের জেনারেটিভ AI অংশীদারদের থেকে ফাউন্ডেশন মডেলগুলি অ্যাক্সেস করার জন্য একটি সার্ভারহীন API৷ যদিও এটি বর্তমানে প্রাইভেট প্রিভিউতে রয়েছে, এর সার্ভারলেস এপিআই আপনাকে অ্যামাজন, অ্যানথ্রপিক, স্টেবিলিটি এআই, এবং এআই21 থেকে ফাউন্ডেশন মডেলগুলি ব্যবহার করতে দেয়, নিজেকে কোনও শেষ পয়েন্ট স্থাপন না করেই৷ যাইহোক, আলিঙ্গন মুখের মতো সম্প্রদায়ের ওপেন-সোর্স মডেলগুলি অনেক বেড়েছে এবং তাদের প্রত্যেকটিই অ্যামাজন বেডরকের মাধ্যমে উপলব্ধ করা হয়নি।
এই পোস্টে, আমরা এই পরিস্থিতিগুলিকে টার্গেট করি এবং বড় ফাউন্ডেশন মডেল স্থাপন করে উচ্চ খরচের ঝুঁকির সমস্যা সমাধান করি আমাজন সেজমেকার অ্যাসিঙ্ক্রোনাস এন্ডপয়েন্ট থেকে আমাজন সেজমেকার জাম্পস্টার্ট. এটি আর্কিটেকচারের খরচ কমাতে সাহায্য করতে পারে, যখন অনুরোধগুলি সারিতে থাকে এবং অল্প সময়ের জন্য লাইভ থাকে তখনই এন্ডপয়েন্ট চালানোর অনুমতি দেয়, যখন কোনও অনুরোধ পরিষেবার জন্য অপেক্ষা না করে তখন শূন্যে নেমে আসে। এটি ব্যবহার ক্ষেত্রে অনেক জন্য মহান শোনাচ্ছে; যাইহোক, একটি এন্ডপয়েন্ট যা শূন্যে নেমে গেছে তা অনুমান পরিবেশন করতে সক্ষম হওয়ার আগে একটি কোল্ড স্টার্ট টাইম চালু করবে।
সমাধান ওভারভিউ
নিম্নলিখিত চিত্রটি আমাদের সমাধান আর্কিটেকচারের চিত্র তুলে ধরেছে।
আমরা যে আর্কিটেকচারটি স্থাপন করি তা খুব সোজা:
- ইউজার ইন্টারফেস হল একটি নোটবুক, যা স্ট্রিমলিট বা অনুরূপ প্রযুক্তিতে নির্মিত একটি ওয়েব UI দ্বারা প্রতিস্থাপিত হতে পারে। আমাদের ক্ষেত্রে, নোটবুক একটি অ্যামাজন সেজমেকার স্টুডিও নোটবুক, PyTorch 5 Python 2.0 CPU কার্নেলের সাথে একটি ml.m3.10.large ইনস্ট্যান্সে চলছে।
- নোটবুক তিনটি উপায়ে শেষ বিন্দুকে জিজ্ঞাসা করে: সেজমেকার পাইথন SDK, পাইথনের জন্য AWS SDK (Boto3), এবং LangChain।
- এন্ডপয়েন্টটি SageMaker-এ অ্যাসিঙ্ক্রোনাসভাবে চলছে এবং এন্ডপয়েন্টে আমরা Falcon-40B Instruct মডেলটি স্থাপন করি। ইন্সট্রাক্ট মডেলের ক্ষেত্রে এটি বর্তমানে অত্যাধুনিক এবং সেজমেকার জাম্পস্টার্টে উপলব্ধ। একটি একক API কল আমাদের শেষ পয়েন্টে মডেল স্থাপন করার অনুমতি দেয়।
SageMaker অ্যাসিঙ্ক্রোনাস অনুমান কি?
রিয়েল-টাইম এন্ডপয়েন্ট, ব্যাচ ইনফারেন্স এবং সার্ভারলেস ইনফারেন্স সহ সেজমেকার অ্যাসিঙ্ক্রোনাস ইনফারেন্স হল সেজমেকারের চারটি স্থাপনার বিকল্পগুলির মধ্যে একটি। বিভিন্ন স্থাপনার বিকল্প সম্পর্কে আরও জানতে, পড়ুন অনুমানের জন্য মডেল স্থাপন করুন.
সেজমেকার অ্যাসিঙ্ক্রোনাস ইনফারেন্স ইনকামিং অনুরোধগুলি সারিবদ্ধ করে এবং সেগুলিকে অ্যাসিঙ্ক্রোনাসভাবে প্রক্রিয়া করে, এই বিকল্পটিকে 1 GB পর্যন্ত বড় পেলোড আকারের অনুরোধের জন্য আদর্শ করে তোলে, দীর্ঘ প্রক্রিয়াকরণের সময় এবং কাছাকাছি-রিয়েল-টাইম লেটেন্সি প্রয়োজনীয়তা। যাইহোক, বড় ফাউন্ডেশন মডেলগুলির সাথে কাজ করার সময় এটি যে প্রধান সুবিধা প্রদান করে, বিশেষ করে ধারণার প্রমাণের সময় (POC) বা বিকাশের সময়, তা হল অ্যাসিঙ্ক্রোনাস ইনফারেন্স কনফিগার করার ক্ষমতা শূন্যের একটি দৃষ্টান্ত কাউন্টে স্কেল করার জন্য যখন কোনও অনুরোধ নেই। প্রক্রিয়া, যার ফলে খরচ সাশ্রয়। SageMaker অ্যাসিঙ্ক্রোনাস ইনফারেন্স সম্পর্কে আরও তথ্যের জন্য, পড়ুন অ্যাসিঙ্ক্রোনাস অনুমান. নিচের চিত্রটি এই স্থাপত্যকে তুলে ধরে।
একটি অ্যাসিঙ্ক্রোনাস ইনফারেন্স এন্ডপয়েন্ট স্থাপন করতে, আপনাকে একটি তৈরি করতে হবে AsyncInferenceConfig
বস্তু আপনি যদি তৈরি করেন AsyncInferenceConfig
এর আর্গুমেন্ট উল্লেখ না করেই, ডিফল্ট S3OutputPath
হবে s3://sagemaker-{REGION}-{ACCOUNTID}/async-endpoint-outputs/{UNIQUE-JOB-NAME}
এবং S3FailurePath
হবে s3://sagemaker-{REGION}-{ACCOUNTID}/async-endpoint-failures/{UNIQUE-JOB-NAME}
.
সেজমেকার জাম্পস্টার্ট কি
আমাদের মডেল SageMaker JumpStart থেকে এসেছে, SageMaker-এর একটি বৈশিষ্ট্য যা পূর্ব-প্রশিক্ষিত মডেল, সমাধান টেমপ্লেট এবং উদাহরণ নোটবুক অফার করে মেশিন লার্নিং (ML) যাত্রাকে ত্বরান্বিত করে। এটি বিভিন্ন ধরণের সমস্যাগুলির জন্য বিস্তৃত প্রাক-প্রশিক্ষিত মডেলগুলিতে অ্যাক্সেস সরবরাহ করে, আপনাকে একটি শক্ত ভিত্তি দিয়ে আপনার ML কাজগুলি শুরু করতে দেয়। সেজমেকার জাম্পস্টার্ট সাধারণ ব্যবহারের ক্ষেত্রে সমাধানের টেমপ্লেট এবং শেখার জন্য উদাহরণ নোটবুক অফার করে। SageMaker JumpStart-এর মাধ্যমে, আপনি এক-ক্লিক সলিউশন লঞ্চ এবং ব্যবহারিক ML অভিজ্ঞতার জন্য ব্যাপক সংস্থান সহ আপনার ML প্রকল্পগুলি শুরু করার জন্য প্রয়োজনীয় সময় এবং প্রচেষ্টা কমাতে পারেন।
নিম্নলিখিত স্ক্রিনশটটি সেজমেকার জাম্পস্টার্ট UI-তে উপলব্ধ কয়েকটি মডেলের উদাহরণ দেখায়।
মডেল মোতায়েন করুন
আমাদের প্রথম ধাপ হল SageMaker-এ মডেলটি স্থাপন করা। এটি করার জন্য, আমরা SageMaker JumpStart বা SageMaker Python SDK-এর জন্য UI ব্যবহার করতে পারি, যা একটি API প্রদান করে যা আমরা মডেলটিকে অ্যাসিঙ্ক্রোনাস এন্ডপয়েন্টে স্থাপন করতে ব্যবহার করতে পারি:
এই কলটি সম্পূর্ণ হতে প্রায় 10 মিনিট সময় লাগতে পারে৷ এই সময়ের মধ্যে, এন্ডপয়েন্টটি তৈরি করা হয়, মডেল আর্টিফ্যাক্ট সহ কন্টেইনারটি এন্ডপয়েন্টে ডাউনলোড করা হয়, মডেল কনফিগারেশনটি সেজমেকার জাম্পস্টার্ট থেকে লোড করা হয়, তারপর অসিঙ্ক্রোনাস এন্ডপয়েন্টটি একটি DNS এন্ডপয়েন্টের মাধ্যমে উন্মোচিত হয়। আমাদের এন্ডপয়েন্ট শূন্যে নামতে পারে তা নিশ্চিত করার জন্য, আমাদের অ্যাপ্লিকেশন অটো স্কেলিং ব্যবহার করে অ্যাসিঙ্ক্রোনাস এন্ডপয়েন্টে অটো স্কেলিং কনফিগার করতে হবে। আপনাকে প্রথমে অ্যাপ্লিকেশন অটো স্কেলিং এর সাথে আপনার এন্ডপয়েন্ট বৈকল্পিক নিবন্ধন করতে হবে, একটি স্কেলিং নীতি নির্ধারণ করতে হবে এবং তারপর স্কেলিং নীতি প্রয়োগ করতে হবে। এই কনফিগারেশনে, আমরা একটি কাস্টম মেট্রিক ব্যবহার করে ব্যবহার করি CustomizedMetricSpecification
বলা হয় ApproximateBacklogSizePerInstance
, নিচের কোডে দেখানো হয়েছে। একটি বিস্তারিত তালিকার জন্য অ্যামাজন ক্লাউডওয়াচ আপনার অ্যাসিঙ্ক্রোনাস ইনফারেন্স এন্ডপয়েন্টের সাথে উপলব্ধ মেট্রিক্স, পড়ুন ক্লাউডওয়াচ দিয়ে মনিটরিং.
আপনি যাচাই করতে পারেন যে এই নীতিটি সফলভাবে সেট করা হয়েছে সেজমেকার কনসোলে নেভিগেট করে, বেছে নিন সমাপ্তি অধীনে অনুমিতি নেভিগেশন ফলকে, এবং শেষ বিন্দু খুঁজছি আমরা এইমাত্র স্থাপন করেছি।
অ্যাসিঙ্ক্রোনাস এন্ডপয়েন্ট আহ্বান করুন
এন্ডপয়েন্ট চালু করতে, আপনাকে অনুরোধ পেলোড রাখতে হবে আমাজন সিম্পল স্টোরেজ সার্ভিস (Amazon S3) এবং একটি অংশ হিসাবে এই পেলোডে একটি পয়েন্টার প্রদান করুন InvokeEndpointAsync
অনুরোধ আহ্বানের পরে, সেজমেকার প্রক্রিয়াকরণের জন্য অনুরোধটি সারিবদ্ধ করে এবং প্রতিক্রিয়া হিসাবে একটি শনাক্তকারী এবং আউটপুট অবস্থান প্রদান করে। প্রক্রিয়াকরণের পরে, সেজমেকার ফলাফলটিকে আমাজন S3 অবস্থানে রাখে। আপনি ঐচ্ছিকভাবে এর সাথে সাফল্য বা ত্রুটি বিজ্ঞপ্তিগুলি পেতে বেছে নিতে পারেন৷ অ্যামাজন সাধারণ বিজ্ঞপ্তি পরিষেবা (আমাজন এসএনএস)।
সেজমেকার পাইথন এসডিকে
স্থাপনা সম্পূর্ণ হওয়ার পরে, এটি একটি ফেরত দেবে AsyncPredictor
বস্তু অ্যাসিঙ্ক্রোনাস ইনফারেন্স সঞ্চালনের জন্য, আপনাকে Amazon S3 এ ডেটা আপলোড করতে হবে এবং ব্যবহার করতে হবে predict_async()
ইনপুট হিসাবে S3 URI সহ পদ্ধতি। এটি একটি ফিরে আসবে AsyncInferenceResponse
বস্তু, এবং আপনি ব্যবহার করে ফলাফল পরীক্ষা করতে পারেন get_response()
পদ্ধতি।
বিকল্পভাবে, আপনি যদি পর্যায়ক্রমে একটি ফলাফল পরীক্ষা করতে চান এবং এটি প্রজন্মের পর ফেরত দিতে চান, তাহলে ব্যবহার করুন predict()
পদ্ধতি আমরা নিম্নলিখিত কোডে এই দ্বিতীয় পদ্ধতিটি ব্যবহার করি:
বোটো৩
এর এখন অন্বেষণ করা যাক invoke_endpoint_async
Boto3 এর থেকে পদ্ধতি sagemaker-runtime
ক্লায়েন্ট এটি বিকাশকারীদেরকে অ্যাসিঙ্ক্রোনাসভাবে একটি সেজমেকার এন্ডপয়েন্ট আহ্বান করতে সক্ষম করে, অগ্রগতি ট্র্যাকিং এবং পরে প্রতিক্রিয়া পুনরুদ্ধারের জন্য একটি টোকেন প্রদান করে। Boto3 SageMaker Python SDK-এর মতো অ্যাসিঙ্ক্রোনাস ইনফারেন্স সম্পূর্ণ হওয়ার জন্য অপেক্ষা করার উপায় অফার করে না get_result()
অপারেশন. অতএব, আমরা যে Boto3 আমাজন S3 তে ইনফারেন্স আউটপুট সঞ্চয় করবে সেই বিষয়টির সুবিধা গ্রহণ করি response["OutputLocation"]
. আমরা নিম্নলিখিত ফাংশনটি ব্যবহার করে অনুমান ফাইলটি Amazon S3 এ লেখার জন্য অপেক্ষা করতে পারি:
এই ফাংশনের সাহায্যে, আমরা এখন শেষ বিন্দুকে জিজ্ঞাসা করতে পারি:
ল্যাংচেইন
LangChain হল একটি ওপেন-সোর্স ফ্রেমওয়ার্ক যা হ্যারিসন চেজ দ্বারা 2022 সালের অক্টোবরে চালু হয়েছিল। এটি বিভিন্ন সিস্টেম এবং ডেটা উত্সগুলির সাথে একীকরণ প্রদান করে বড় ভাষা মডেল (LLMs) ব্যবহার করে অ্যাপ্লিকেশনগুলির বিকাশকে সহজ করে। LangChain নথি বিশ্লেষণ, সংক্ষিপ্তকরণ, চ্যাটবট তৈরি, কোড বিশ্লেষণ এবং আরও অনেক কিছুর জন্য অনুমতি দেয়। এটি জনপ্রিয়তা অর্জন করেছে, শত শত ডেভেলপারদের অবদান এবং ভেঞ্চার ফার্মগুলির উল্লেখযোগ্য অর্থায়নের মাধ্যমে। LangChain বাহ্যিক উত্সের সাথে LLM-এর সংযোগ সক্ষম করে, যা গতিশীল, ডেটা-প্রতিক্রিয়াশীল অ্যাপ্লিকেশন তৈরি করা সম্ভব করে। এটি ডেভেলপমেন্ট প্রক্রিয়াকে স্ট্রিমলাইন করার জন্য লাইব্রেরি, API এবং ডকুমেন্টেশন অফার করে।
LangChain তার ফ্রেমওয়ার্কের সাথে SageMaker এন্ডপয়েন্ট ব্যবহার করার জন্য লাইব্রেরি এবং উদাহরণ প্রদান করে, যা SageMaker-এ হোস্ট করা এমএল মডেলগুলিকে চেইনের "মস্তিষ্ক" হিসাবে ব্যবহার করা সহজ করে তোলে। ল্যাংচেইন কীভাবে সেজমেকারের সাথে একীভূত হয় সে সম্পর্কে আরও জানতে, পড়ুন সেজমেকার এন্ডপয়েন্ট ল্যাংচেইন ডকুমেন্টেশনে।
LangChain-এর বর্তমান বাস্তবায়নের সীমাগুলির মধ্যে একটি হল এটি স্থানীয়ভাবে অ্যাসিঙ্ক্রোনাস এন্ডপয়েন্ট সমর্থন করে না। LangChain-এ একটি অ্যাসিঙ্ক্রোনাস এন্ডপয়েন্ট ব্যবহার করতে, আমাদের একটি নতুন ক্লাস সংজ্ঞায়িত করতে হবে, SagemakerAsyncEndpoint
, যে প্রসারিত SagemakerEndpoint
ক্লাস ইতিমধ্যেই ল্যাংচেনে উপলব্ধ। উপরন্তু, আমরা নিম্নলিখিত তথ্য প্রদান করি:
- S3 বালতি এবং উপসর্গ যেখানে অ্যাসিঙ্ক্রোনাস ইনফারেন্স ইনপুট (এবং আউটপুট) সংরক্ষণ করবে
- টাইম আউট হওয়ার আগে সর্বোচ্চ সংখ্যক সেকেন্ড অপেক্ষা করতে হবে
- An
updated _call()
ফাংশন দিয়ে এন্ডপয়েন্ট জিজ্ঞাসা করতেinvoke_endpoint_async()
পরিবর্তেinvoke_endpoint()
- অ্যাসিঙ্ক্রোনাস এন্ডপয়েন্টকে জাগানোর একটি উপায় যদি এটি কোল্ড স্টার্টে থাকে (শূন্যে স্কেল করা হয়)
সদ্য নির্মিত পর্যালোচনা SagemakerAsyncEndpoint
, আপনি চেক আউট করতে পারেন sagemaker_async_endpoint.py
ফাইল GitHub এ উপলব্ধ.
পরিষ্কার কর
আপনি যখন এন্ডপয়েন্ট থেকে অনুমানের জেনারেশন পরীক্ষা করা শেষ করেন, তখন অতিরিক্ত চার্জ এড়াতে এন্ডপয়েন্টটি মুছে ফেলতে ভুলবেন না:
উপসংহার
টিআইআই ফ্যালকনের মতো বড় ফাউন্ডেশন মডেল স্থাপন করার সময়, খরচ অপ্টিমাইজ করা অত্যন্ত গুরুত্বপূর্ণ। এই মডেলগুলির জন্য শক্তিশালী হার্ডওয়্যার এবং যথেষ্ট মেমরি ক্ষমতা প্রয়োজন, যার ফলে উচ্চ অবকাঠামো খরচ হয়। সেজমেকার অ্যাসিঙ্ক্রোনাস ইনফারেন্স, একটি স্থাপনার বিকল্প যা অ্যাসিঙ্ক্রোনাসভাবে অনুরোধগুলিকে প্রক্রিয়া করে, যখন কোনও মুলতুবি থাকা অনুরোধ না থাকে তখন উদাহরণের সংখ্যা শূন্যে স্কেল করে ব্যয় হ্রাস করে। এই পোস্টে, আমরা দেখিয়েছি কিভাবে SageMaker অ্যাসিঙ্ক্রোনাস এন্ডপয়েন্টে বড় সেজমেকার জাম্পস্টার্ট ফাউন্ডেশন মডেল স্থাপন করা যায়। আমরা SageMaker Python SDK, Boto3, এবং LangChain ব্যবহার করে অ্যাসিঙ্ক্রোনাস এন্ডপয়েন্ট এবং ফলাফল পুনরুদ্ধারের জন্য বিভিন্ন পদ্ধতির চিত্রিত করার জন্য কোড উদাহরণ প্রদান করেছি। এই কৌশলগুলি বিকাশকারী এবং গবেষকদের উন্নত ভাষা বোঝার সিস্টেমের জন্য ফাউন্ডেশন মডেলগুলির ক্ষমতা ব্যবহার করার সময় খরচ অপ্টিমাইজ করতে সক্ষম করে।
অ্যাসিঙ্ক্রোনাস ইনফারেন্স এবং সেজমেকার জাম্পস্টার্ট সম্পর্কে আরও জানতে, নিম্নলিখিত পোস্টগুলি দেখুন:
লেখক সম্পর্কে
ডেভিড গ্যালিটেলি EMEA অঞ্চলে AI/ML-এর জন্য একজন বিশেষজ্ঞ সমাধান স্থপতি৷ তিনি ব্রাসেলসে অবস্থিত এবং বেনেলাক্স জুড়ে গ্রাহকদের সাথে ঘনিষ্ঠভাবে কাজ করেন। তিনি খুব অল্প বয়স থেকেই একজন বিকাশকারী ছিলেন, 7 বছর বয়সে কোড করতে শুরু করেছিলেন। তিনি বিশ্ববিদ্যালয়ে AI/ML শিখতে শুরু করেছিলেন, এবং তখন থেকেই এর প্রেমে পড়েছেন।
- এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
- PlatoData.Network উল্লম্ব জেনারেটিভ Ai. নিজেকে ক্ষমতায়িত করুন। এখানে প্রবেশ করুন.
- প্লেটোএআইস্ট্রিম। Web3 ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
- প্লেটোইএসজি। মোটরগাড়ি / ইভি, কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
- প্লেটো হেলথ। বায়োটেক এবং ক্লিনিক্যাল ট্রায়াল ইন্টেলিজেন্স। এখানে প্রবেশ করুন.
- চার্টপ্রাইম। ChartPrime এর সাথে আপনার ট্রেডিং গেমটি উন্নত করুন। এখানে প্রবেশ করুন.
- ব্লকঅফসেট। পরিবেশগত অফসেট মালিকানার আধুনিকীকরণ। এখানে প্রবেশ করুন.
- উত্স: https://aws.amazon.com/blogs/machine-learning/optimize-deployment-cost-of-amazon-sagemaker-jumpstart-foundation-models-with-amazon-sagemaker-asynchronous-endpoints/
- : আছে
- : হয়
- :না
- :কোথায়
- $ ইউপি
- 1
- 10
- 100
- 12
- 13
- 15%
- 1M
- 2022
- 25
- 7
- a
- সক্ষম
- সম্পর্কে
- খানি
- গ্রহণ
- প্রবেশ
- সাফল্য
- দিয়ে
- কার্যকলাপ
- উপরন্তু
- অগ্রসর
- সুবিধা
- পর
- বয়স
- AI
- এআই মডেল
- এআই / এমএল
- অনুমতি
- অনুমতি
- ইতিমধ্যে
- এছাড়াও
- যদিও
- মর্দানী স্ত্রীলোক
- আমাজন সেজমেকার
- আমাজন সেজমেকার জাম্পস্টার্ট
- অ্যামাজন ওয়েব সার্ভিসেস
- পরিমাণ
- পরিমাণে
- an
- বিশ্লেষণ
- এবং
- ঘোষিত
- অন্য
- নৃতাত্ত্বিক
- কোন
- API
- API গুলি
- আবেদন
- অ্যাপ্লিকেশন
- প্রয়োগ করা
- স্থাপত্য
- রয়েছি
- আর্গুমেন্ট
- শিল্প
- AS
- At
- মনোযোগ
- আকৃষ্ট
- গাড়ী
- সহজলভ্য
- গড়
- এড়াতে
- ডেস্কটপ AWS
- ভিত্তি
- BE
- পরিণত
- হয়েছে
- আগে
- হচ্ছে
- সর্বোত্তম
- বড়
- কোটি কোটি
- ব্লক
- শরীর
- বিরতি
- ব্রাসেলস
- ভবন
- নির্মিত
- ব্যবসায়
- কিন্তু
- by
- কল
- নামক
- CAN
- ক্ষমতা
- সামর্থ্য
- সক্ষম
- ধারণক্ষমতা
- কেস
- মামলা
- চেন
- চেইন
- চ্যালেঞ্জ
- চার্জ
- মৃগয়া
- chatbot
- চেক
- বেছে নিন
- নির্বাচন
- শ্রেণী
- মক্কেল
- ঘনিষ্ঠভাবে
- কোড
- ঠান্ডা
- আসা
- আসে
- সাধারণ
- সম্প্রদায়গুলি
- কোম্পানি
- প্রতিযোগীদের
- সম্পূর্ণ
- সম্পন্ন হয়েছে
- সমাপ্ত
- উপাদান
- ব্যাপক
- কম্পিউটার
- কম্পিউটার ভিশন
- ধারণা
- কনফিগারেশন
- সংযোগ
- কনসোল
- আধার
- বিষয়বস্তু
- অবদানসমূহ
- মূল্য
- খরচ
- সৃষ্টি
- নির্মিত
- সৃষ্টি
- কঠোর
- বর্তমান
- এখন
- প্রথা
- গ্রাহকদের
- কাটা
- ব্যয় কাটা
- চক্র
- উপাত্ত
- ডিলিং
- ডিফল্ট
- নির্ধারণ করা
- দাবি
- প্রদর্শিত
- স্থাপন
- মোতায়েন
- মোতায়েন
- বিস্তৃতি
- বিশদ
- দেব
- বিকাশকারী
- ডেভেলপারদের
- উন্নয়ন
- অভি
- বিভিন্ন
- আশ্লেষ
- মাত্রা
- অক্ষম
- DNS
- do
- দলিল
- ডকুমেন্টেশন
- না
- সম্পন্ন
- নিচে
- কারণে
- সময়
- প্রগতিশীল
- e
- সহজ
- দক্ষতার
- প্রচেষ্টা
- আর
- EMEA
- সক্ষম করা
- সম্ভব
- শেষপ্রান্ত
- ইঞ্জিন
- যথেষ্ট
- ভুল
- বিশেষত
- প্রতি
- উদাহরণ
- উদাহরণ
- ছাড়া
- ব্যতিক্রম
- উত্তেজনাপূর্ণ
- খরচ
- অভিজ্ঞতা
- অন্বেষণ করুণ
- উদ্ভাসিত
- প্রসারিত
- ব্যাপক
- বহিরাগত
- অতিরিক্ত
- মুখ
- সত্য
- পতিত
- মিথ্যা
- বৈশিষ্ট্য
- ফাইল
- সংস্থাগুলো
- প্রথম
- অনুসরণ
- জন্য
- ভিত
- চার
- ফ্রেমওয়ার্ক
- থেকে
- ক্রিয়া
- তহবিল
- অর্জন
- উত্পন্ন
- উৎপাদিত
- প্রজন্ম
- সৃজক
- জেনারেটিভ এআই
- GitHub
- ভাল
- জিপিইউ
- মহান
- ক্রমবর্ধমান
- হাতল
- হার্ডওয়্যারের
- আছে
- জমিদারি
- he
- সাহায্য
- এখানে
- উচ্চ
- হোস্ট
- কিভাবে
- কিভাবে
- যাহোক
- এইচটিএমএল
- HTTP
- HTTPS দ্বারা
- শত শত
- শত মিলিয়ন
- আদর্শ
- আইডেন্টিফায়ার
- if
- প্রকাশ
- ভাবমূর্তি
- বাস্তবায়ন
- আমদানি
- in
- সুদ্ধ
- ইনকামিং
- ইঙ্গিত
- শিল্প
- তথ্য
- পরিকাঠামো
- ইনোভেশন
- ইনপুট
- ইনপুট
- উদাহরণ
- পরিবর্তে
- সংহত
- ঐক্যবদ্ধতার
- বুদ্ধিমান
- স্বার্থ
- ইন্টারফেস
- মধ্যে
- প্রবর্তন করা
- বিনিয়োগ
- IT
- এর
- যাত্রা
- JPG
- JSON
- মাত্র
- পরিচিত
- ভাষা
- বড়
- অদৃশ্যতা
- পরে
- চালু
- লঞ্চ
- নেতৃত্ব
- শিখতে
- শিক্ষা
- অন্তত
- লাইব্রেরি
- মত
- সীমা
- তালিকা
- বোঝা
- অবস্থান
- দীর্ঘ
- খুঁজছি
- অনেক
- ভালবাসা
- কম
- মেশিন
- মেশিন লার্নিং
- প্রণীত
- প্রধান
- নিয়ন্ত্রণের
- করা
- মেকিং
- অনেক
- সর্বোচ্চ
- সর্বাধিক
- স্মৃতি
- পদ্ধতি
- পদ্ধতি
- ছন্দোময়
- ছন্দোবিজ্ঞান
- লক্ষ লক্ষ
- মিনিট
- ML
- মডেল
- মডেল
- অধিক
- নাম
- প্রাকৃতিক
- স্বাভাবিক ভাষা প্রক্রিয়াকরণ
- নেভিগেট
- ন্যাভিগেশন
- প্রয়োজন
- নতুন
- সদ্য
- পরবর্তী
- NLP
- না।
- নোটবই
- প্রজ্ঞাপন
- বিজ্ঞপ্তি
- এখন
- সংখ্যা
- লক্ষ্য
- অক্টোবর
- of
- অর্পণ
- নৈবেদ্য
- অফার
- প্রায়ই
- on
- ONE
- কেবল
- ওপেন সোর্স
- অপারেশন
- অপ্টিমিজ
- সর্বোচ্চকরন
- পছন্দ
- অপশন সমূহ
- or
- আমাদের
- বাইরে
- আউটপুট
- শার্সি
- পরামিতি
- অংশ
- বিশেষত
- অংশীদারদের
- মুলতুবী
- সম্পাদন করা
- সঞ্চালিত
- ছবি
- জায়গা
- জায়গা
- Plato
- প্লেটো ডেটা ইন্টেলিজেন্স
- প্লেটোডাটা
- POC
- নীতি
- জনপ্রিয়তা
- সম্ভব
- পোস্ট
- পোস্ট
- সম্ভাব্য
- ক্ষমতা
- ক্ষমতাশালী
- ব্যবহারিক
- ভবিষ্যদ্বাণী
- Predictor
- প্রি
- প্রিন্ট
- ব্যক্তিগত
- সমস্যা
- প্রক্রিয়া
- প্রসেস
- প্রক্রিয়াজাতকরণ
- উন্নতি
- প্রকল্প
- প্রমাণ
- ধারণা প্রমাণ
- প্রমাণ করা
- প্রদান
- প্রদত্ত
- উপলব্ধ
- প্রদানের
- পাইথন
- পাইটার্চ
- প্রশ্নের
- প্রশ্ন
- বৃদ্ধি
- পরিসর
- রেঞ্জিং
- পড়া
- প্রস্তুত
- প্রকৃত সময়
- গ্রহণ করা
- হ্রাস করা
- হ্রাস
- এলাকা
- খাতা
- মনে রাখা
- অপসারণ
- প্রতিস্থাপিত
- অনুরোধ
- অনুরোধ
- প্রয়োজন
- প্রয়োজনীয়
- আবশ্যকতা
- প্রয়োজন
- গবেষকরা
- সংস্থান
- Resources
- প্রতিক্রিয়া
- ফল
- ফলাফল
- প্রত্যাবর্তন
- আয়
- এখানে ক্লিক করুন
- বিপ্লব হয়েছে
- ঝুঁকি
- ROI
- চালান
- দৌড়
- ঋষি নির্মাতা
- রক্ষা
- মাপযোগ্য
- স্কেল
- আরোহী
- SDK
- দ্বিতীয়
- সেকেন্ড
- আত্ম
- পরিবেশন করা
- Serverless
- সেবা
- সেবা
- সেশন
- সেট
- সংক্ষিপ্ত
- প্রদর্শিত
- শো
- গুরুত্বপূর্ণ
- অনুরূপ
- সহজ
- থেকে
- একক
- পরিস্থিতিতে
- আয়তন
- মাপ
- কঠিন
- সমাধান
- সলিউশন
- সমাধান
- কিছু
- সোর্স
- বিশেষজ্ঞ
- কর্তিত
- স্থায়িত্ব
- স্থিতিশীল
- শুরু
- শুরু
- শুরু হচ্ছে
- রাষ্ট্র
- ধাপ
- থামুন
- স্টোরেজ
- দোকান
- অকপট
- স্ট্রিমলাইন
- সারগর্ভ
- সাফল্য
- সফলভাবে
- এমন
- সমর্থন
- সমর্থন
- নিশ্চিত
- অতিক্রম করা
- সিস্টেম
- গ্রহণ করা
- লক্ষ্য
- কাজ
- প্রযুক্তি
- প্রযুক্তিঃ
- টেমপ্লেট
- শর্তাবলী
- পরীক্ষামূলক
- ধন্যবাদ
- যে
- সার্জারির
- রাষ্ট্র
- তাদের
- তাহাদিগকে
- তারপর
- সেখানে।
- যার ফলে
- অতএব
- এইগুলো
- তারা
- এই
- এই বছর
- তিন
- দ্বারা
- সর্বত্র
- সময়
- বার
- সময়জ্ঞান
- থেকে
- একসঙ্গে
- টোকেন
- অত্যধিক
- অনুসরণকরণ
- প্রশিক্ষিত
- অনুবাদ
- সত্য
- চেষ্টা
- ধরনের
- ui
- অধীনে
- বোধশক্তি
- বিশ্ববিদ্যালয়
- পর্যন্ত
- উপরে
- us
- ব্যবহার
- ব্যবহারকারী
- ব্যবহারকারী ইন্টারফেস
- ব্যবহার
- সাধারণত
- মূল্য
- বৈকল্পিক
- বিভিন্ন
- সুবিশাল
- উদ্যোগ
- যাচাই
- খুব
- মাধ্যমে
- দৃষ্টি
- অপেক্ষা করুন
- প্রতীক্ষা
- ওয়েক
- জাগো
- প্রয়োজন
- ছিল
- উপায়..
- উপায়
- we
- ওয়েব
- ওয়েব সার্ভিস
- কখন
- কিনা
- যে
- যখন
- হু
- ব্যাপক
- প্রশস্ত পরিসর
- ইচ্ছা
- সঙ্গে
- ছাড়া
- ওঁন
- কাজ
- বিশ্বব্যাপী
- would
- লিখিত
- বছর
- আপনি
- তরুণ
- আপনার
- নিজেকে
- zephyrnet
- শূন্য