Σήμερα, είμαστε ενθουσιασμένοι που ανακοινώνουμε ότι το Gemma Το μοντέλο είναι πλέον διαθέσιμο για πελάτες που χρησιμοποιούν Amazon SageMaker JumpStart. Η Gemma είναι μια οικογένεια γλωσσικά μοντέλα με βάση τα μοντέλα Gemini της Google, εκπαιδευμένα σε έως και 6 τρισεκατομμύρια μάρκες κειμένου. Η οικογένεια Gemma αποτελείται από δύο μεγέθη: ένα μοντέλο παραμέτρων 7 δισεκατομμυρίων και ένα μοντέλο παραμέτρων 2 δισεκατομμυρίων. Τώρα, μπορείτε να χρησιμοποιήσετε μοντέλα Gemma 2B και Gemma 7B προεκπαιδευμένα και συντονισμένα με οδηγίες εντός SageMaker JumpStart. Το JumpStart είναι ο κόμβος μηχανικής εκμάθησης (ML) του SageMaker που παρέχει πρόσβαση σε βασικά μοντέλα εκτός από ενσωματωμένους αλγόριθμους και πρότυπα λύσεων από άκρο σε άκρο για να σας βοηθήσει να ξεκινήσετε γρήγορα με την ML.
Σε αυτήν την ανάρτηση, περιγράφουμε πώς να αναπτύξετε το μοντέλο Gemma και να το ρυθμίσετε με ακρίβεια για τις περιπτώσεις χρήσης σας στο SageMaker JumpStart. Το πλήρες σημειωματάριο είναι διαθέσιμο στο GitHub.
Μοντέλο Gemma
Gemma είναι μια οικογένεια ελαφριών, τελευταίας τεχνολογίας μοντέλα κατασκευασμένο από την ίδια έρευνα και τεχνολογία που χρησιμοποιήθηκε για τη δημιουργία του Gemini μοντέλα. Αναπτύχθηκε από το Google DeepMind και άλλες ομάδες σε όλη την Google, το Gemma είναι εμπνευσμένο από το Gemini. Η Gemma παρουσιάζει ισχυρές γενικευτικές ικανότητες σε τομείς κειμένου και υπερσύγχρονες δεξιότητες κατανόησης και συλλογισμού σε κλίμακα. Επιτυγχάνει καλύτερη απόδοση σε σύγκριση με άλλα διαθέσιμα δημόσια μοντέλα παρόμοιας ή μεγαλύτερης κλίμακας σε διαφορετικούς τομείς, όπως η απάντηση σε ερωτήσεις, η κοινή λογική, τα μαθηματικά και η επιστήμη και η κωδικοποίηση. Η Gemma κυκλοφόρησε τα βάρη μοντέλων για να υποστηρίξει την καινοτομία προγραμματιστών χρησιμοποιώντας μοντέλα Gemma. Το Gemma κυκλοφόρησε με ένα νέο Responsible Generative AI Toolkit που παρέχει καθοδήγηση και βασικά εργαλεία για τη δημιουργία ασφαλέστερων εφαρμογών AI με το Gemma.
Μοντέλα θεμελίωσης στο SageMaker
Το JumpStart παρέχει πρόσβαση σε μια σειρά μοντέλων από δημοφιλείς κόμβους μοντέλων, συμπεριλαμβανομένων των Hugging Face, PyTorch Hub και TensorFlow Hub, τα οποία μπορείτε να χρησιμοποιήσετε στη ροή εργασιών ανάπτυξης ML στο SageMaker. Οι πρόσφατες εξελίξεις στην ML οδήγησαν σε μια νέα κατηγορία μοντέλων που είναι γνωστά ως μοντέλα θεμελίωσης, τα οποία συνήθως εκπαιδεύονται σε δισεκατομμύρια παραμέτρους και είναι προσαρμόσιμα σε μια ευρεία κατηγορία περιπτώσεων χρήσης, όπως η σύνοψη κειμένων, η δημιουργία ψηφιακής τέχνης και η μετάφραση γλώσσας. Επειδή αυτά τα μοντέλα είναι δαπανηρά στην εκπαίδευση, οι πελάτες θέλουν να χρησιμοποιήσουν τα υπάρχοντα προεκπαιδευμένα μοντέλα θεμελίωσης και να τα προσαρμόσουν όπως απαιτείται, αντί να εκπαιδεύσουν οι ίδιοι αυτά τα μοντέλα. Το SageMaker παρέχει μια επιμελημένη λίστα μοντέλων από τα οποία μπορείτε να επιλέξετε στην κονσόλα SageMaker.
Μπορείτε πλέον να βρείτε μοντέλα θεμελίωσης από διαφορετικούς παρόχους μοντέλων στο JumpStart, επιτρέποντάς σας να ξεκινήσετε γρήγορα με τα μοντέλα θεμελίωσης. Μπορείτε να βρείτε μοντέλα θεμελίωσης που βασίζονται σε διαφορετικές εργασίες ή παρόχους μοντέλων και να ελέγξετε τα χαρακτηριστικά του μοντέλου και τους όρους χρήσης. Μπορείτε επίσης να δοκιμάσετε αυτά τα μοντέλα χρησιμοποιώντας ένα δοκιμαστικό γραφικό στοιχείο διεπαφής χρήστη. Όταν θέλετε να χρησιμοποιήσετε ένα μοντέλο θεμελίωσης σε κλίμακα, μπορείτε να το κάνετε χωρίς να φύγετε από το SageMaker χρησιμοποιώντας προκατασκευασμένα σημειωματάρια από παρόχους μοντέλων. Επειδή τα μοντέλα φιλοξενούνται και αναπτύσσονται στο AWS, τα δεδομένα σας, είτε χρησιμοποιούνται για την αξιολόγηση του μοντέλου είτε για χρήση σε κλίμακα, δεν κοινοποιούνται ποτέ σε τρίτους.
Ας εξερευνήσουμε πώς μπορείτε να χρησιμοποιήσετε το μοντέλο Llama Guard στο JumpStart.
Εξερευνήστε το μοντέλο Gemma στο Jumpstart
Μπορείτε να αποκτήσετε πρόσβαση σε μοντέλα βάσης Gemma μέσω του SageMaker JumpStart στο SageMaker Studio UI και στο SageMaker Python SDK. Σε αυτήν την ενότητα, θα δούμε πώς να ανακαλύψετε τα μοντέλα στο SageMaker Studio.
Το SageMaker Studio είναι ένα ολοκληρωμένο περιβάλλον ανάπτυξης (IDE) που παρέχει μια ενιαία οπτική διεπαφή βασισμένη στον ιστό, όπου μπορείτε να έχετε πρόσβαση σε ειδικά σχεδιασμένα εργαλεία για να εκτελέσετε όλα τα βήματα ανάπτυξης ML, από την προετοιμασία δεδομένων έως τη δημιουργία, την εκπαίδευση και την ανάπτυξη των μοντέλων σας ML. Για περισσότερες λεπτομέρειες σχετικά με το πώς να ξεκινήσετε και να ρυθμίσετε το SageMaker Studio, βλ Στούντιο Amazon SageMaker.
Στην Κονσόλα διαχείρισης AWS για το SageMaker Studio, μεταβείτε στο SageMaker JumpStart κάτω από Προκατασκευασμένες και αυτοματοποιημένες λύσεις. Το Jumpstart περιέχει προεκπαιδευμένα μοντέλα, σημειωματάρια και προκατασκευασμένες λύσεις.
Στη σελίδα προορισμού του SageMaker JumpStart, μπορείτε να βρείτε το μοντέλο Gemma αναζητώντας το Gemma.
Στη συνέχεια, μπορείτε να επιλέξετε από μια ποικιλία παραλλαγών μοντέλων Gemma, συμπεριλαμβανομένων των Gemma 2B, Gemma 7B, Gemma 2B instruct και Gemma 7B instruct.
Επιλέξτε την κάρτα μοντέλου για να δείτε λεπτομέρειες σχετικά με το μοντέλο, όπως την άδεια, τα δεδομένα που χρησιμοποιούνται για την εκπαίδευση και τον τρόπο χρήσης του μοντέλου. Θα βρείτε επίσης ένα Ανάπτυξη κουμπί, το οποίο σας μεταφέρει σε μια σελίδα προορισμού όπου μπορείτε να δοκιμάσετε το συμπέρασμα με ένα παράδειγμα ωφέλιμου φορτίου.
Αναπτύξτε το Gemma με το SageMaker Python SDK
Μπορείτε να βρείτε τον κώδικα που δείχνει την ανάπτυξη του Gemma στο JumpStart και ένα παράδειγμα του τρόπου χρήσης του αναπτυγμένου μοντέλου στο αυτό το σημειωματάριο GitHub.
Ξεκινήστε επιλέγοντας το αναγνωριστικό μοντέλου SageMaker Model Hub και την έκδοση μοντέλου που θα χρησιμοποιήσετε κατά την ανάπτυξη του Gemma.
Επιλέξτε ένα αναγνωριστικό μοντέλου από τον παρακάτω πίνακα, ο οποίος περιγράφει λεπτομερώς τις προεπιλεγμένες επιλογές διαμόρφωσης για την ανάπτυξη του JumpStart. Λόγω του μεγάλου μεγέθους λεξιλογίου των 256 χιλιάδων token, το Gemma 7B μπορεί να χωρέσει μόνο σε μία GPU A10G όταν υποστηρίζει μήκος περιβάλλοντος 1. Για αυτόν τον λόγο, το JumpStart χρησιμοποιεί μια μεγαλύτερη προεπιλεγμένη παρουσία για το Gemma 7B.
Αναγνωριστικό μοντέλου | Προεπιλεγμένο παράδειγμα συμπερασμάτων | Παράλληλος βαθμός τανυστή | Υποστηριζόμενο μήκος περιβάλλοντος |
huggingface-llm-gemma-2b | ml.g5.xlarge | 1 | 8k |
huggingface-llm-gemma-2b-instruct | ml.g5.xlarge | 1 | 8k |
huggingface-llm-gemma-7b | ml.g5.12xμεγάλο | 4 | 8k |
huggingface-llm-gemma-7b-instruct | ml.g5.12xμεγάλο | 4 | 8k |
Τώρα μπορείτε να αναπτύξετε το μοντέλο χρησιμοποιώντας το SageMaker JumpStart. Ο παρακάτω κώδικας χρησιμοποιεί την προεπιλεγμένη παρουσία ml.g5.12xlarge
για το τελικό σημείο συμπερασμάτων Μπορείτε να αναπτύξετε το μοντέλο σε άλλους τύπους παρουσιών περνώντας instance_type
στο JumpStartModel
τάξη. Η ανάπτυξη μπορεί να διαρκέσει 5-10 λεπτά.
Για επιτυχή ανάπτυξη, πρέπει να αλλάξετε μη αυτόματα το accept_eula
όρισμα στη μέθοδο ανάπτυξης του μοντέλου σε True
. Αυτό το μοντέλο αναπτύσσεται χρησιμοποιώντας το κοντέινερ βαθιάς εκμάθησης δημιουργίας κειμένου (TGI).
Επίκληση τελικού σημείου
Μπορείτε να ανακτήσετε μέσω προγραμματισμού παραδείγματα ωφέλιμων φορτίων από το JumpStartModel
αντικείμενο. Αυτό θα σας βοηθήσει να ξεκινήσετε παρατηρώντας προδιαμορφωμένες προτροπές οδηγιών που μπορεί να απορροφήσει η Gemma.
Προτού εξετάσουμε συγκεκριμένες προτροπές, ας εξετάσουμε το πρότυπο συνομιλίας για τα μοντέλα Gemma Instruct.
Εδώ, τοποθετείτε την προτροπή σας στο [USER_PROMPT]
τοποθεσία. Δεν υπάρχει υποστήριξη για οδηγίες συστήματος. Αντίθετα, μπορείτε να επισυνάψετε την επιθυμητή οδηγία στη γραμμή εντολών του χρήστη. Επιπλέον, εάν έχετε μια συνομιλία πολλαπλών στροφών, τότε η προτροπή μοντέλου μπορεί να εναλλάσσεται μεταξύ χρήστη και βοηθού, όπως απαιτείται.
Τώρα εξετάστε μερικά παραδείγματα εντολών οδηγιών. Εδώ, ζητάτε από την Gemma να γράψει ένα πρόγραμμα Hello World.
Ακολουθεί η αναμενόμενη έξοδος:
Στη συνέχεια, επικαλέστε την Gemma για το δημιουργικό έργο της συγγραφής ενός ποιήματος.
Ακολουθεί η έξοδος:
Αυτό φαίνεται πολύ καλό!
Τώρα, ας δούμε τη συγκριτική αξιολόγηση απόδοσης καθυστέρησης και απόδοσης για την προβολή μοντέλων με την προεπιλεγμένη διαμόρφωση ανάπτυξης JumpStart. Εδώ, δείχνουμε πώς μπορεί να διαφέρει η απόδοση του μοντέλου για τον τυπικό φόρτο εργασίας σας στο τελικό σημείο. Στους παρακάτω πίνακες, μπορείτε να παρατηρήσετε ότι τα ερωτήματα μικρού μεγέθους (256 λέξεις εισόδου και 256 διακριτικά εξόδου) είναι αρκετά αποδοτικά σε μεγάλο αριθμό ταυτόχρονων χρηστών, φτάνοντας τη διακίνηση διακριτικών της τάξης των χιλίων έως δύο χιλιάδων κουπονιών ανά δευτερόλεπτο. Ωστόσο, καθώς ο αριθμός των λέξεων εισαγωγής πλησιάζει το μέγιστο υποστηριζόμενο μήκος περιβάλλοντος της Gemma των οκτώ χιλιάδων κουπονιών, το τελικό σημείο κορεστεί η χωρητικότητα παρτίδας - ο αριθμός των ταυτόχρονων αιτημάτων που επιτρέπεται να υποβάλλονται σε επεξεργασία ταυτόχρονα - λόγω περιορισμών που δεσμεύονται στη μνήμη της παρουσίας.
Για περισσότερες πληροφορίες σχετικά με το πώς μπορείτε να λάβετε υπόψη αυτές τις πληροφορίες και να προσαρμόσετε τις διαμορφώσεις ανάπτυξης για τη συγκεκριμένη περίπτωση χρήσης, ανατρέξτε στην ενότητα Συγκριτική αξιολόγηση και βελτιστοποίηση της ανάπτυξης τελικού σημείου στο Amazon SageMaker JumpStart.
. | Διακίνηση (token/s) | ||||||||||
Ταυτόχρονοι χρήστες | 1 | 2 | 4 | 8 | 16 | 32 | 64 | 128 | |||
μοντέλο | Τύπος παρουσίας | Εισαγάγετε λέξεις | Διακριτικά εξόδου | . | . | . | . | . | . | . | . |
gemma-2b-instruct | ml.g5.xlarge | 256 | 256 | 73 | 137 | 262 | 486 | 829 | 1330 | 1849 | 1834 |
2048 | 256 | 69 | 126 | 227 | 373 | 537 | 704 | 764 | - | ||
7936 | 256 | 60 | 100 | 147 | 195 | 226 | 230 | - | - | ||
gemma-7b-instruct | ml.g5.12xμεγάλο | 256 | 256 | 62 | 119 | 227 | 413 | 601 | 811 | 937 | 962 |
2048 | 256 | 56 | 100 | 172 | 245 | 267 | 273 | - | - | ||
7936 | 256 | 44 | 67 | 77 | 77 | 78 | - | - | - |
. | Καθυστέρηση P50 (ms/token) | ||||||||||
Ταυτόχρονοι χρήστες | 1 | 2 | 4 | 8 | 16 | 32 | 64 | 128 | |||
μοντέλο | Τύπος παρουσίας | Εισαγάγετε λέξεις | Διακριτικά εξόδου | . | . | . | . | . | . | . | . |
gemma-2b-instruct | ml.g5.xlarge | 256 | 256 | 13 | 14 | 15 | 16 | 19 | 23 | 33 | 49 |
2048 | 256 | 14 | 15 | 17 | 20 | 28 | 43 | 79 | - | ||
7936 | 256 | 16 | 19 | 26 | 39 | 68 | 136 | - | - | ||
Gemma-7b-instruct | ml.g5.12xμεγάλο | 256 | 256 | 16 | 16 | 17 | 19 | 26 | 38 | 57 | 110 |
2048 | 256 | 17 | 19 | 23 | 32 | 52 | 119 | - | - | ||
7936 | 256 | 22 | 29 | 45 | 105 | 197 | - | - | - |
Βελτιστοποιήστε το Gemma χρησιμοποιώντας το SageMaker Python SDK
Στη συνέχεια, σας δείχνουμε πώς να προσαρμόσετε το μοντέλο εντολών Gemma 7B σε ένα σύνολο δεδομένων μορφοποιημένου συνομιλίας χρησιμοποιώντας QLoRA τεχνική. Όπως αναφέρθηκε προηγουμένως, λόγω του μεγάλου μεγέθους λεξιλογίου των 256 χιλιάδων και του μήκους περιβάλλοντος των 8 χιλιάδων, το JumpStart προσφέρει τις ακόλουθες προεπιλεγμένες διαμορφώσεις για την τελειοποίηση του QLoRA.
Αναγνωριστικό μοντέλου | Προεπιλεγμένο παράδειγμα εκπαίδευσης | Μέγιστο μήκος ακολουθίας εισόδου | Μέγεθος παρτίδας εκπαίδευσης ανά συσκευή | Βήματα συσσώρευσης κλίσης |
huggingface-llm-gemma-2b | ml.g5.2xμεγάλο | 1024 | 1 | 4 |
huggingface-llm-gemma-2b-instruct | ml.g5.2xμεγάλο | 1024 | 1 | 4 |
huggingface-llm-gemma-7b | ml.g5.12xμεγάλο | 2048 | 1 | 4 |
huggingface-llm-gemma-7b-instruct | ml.g5.12xμεγάλο | 2048 | 1 | 4 |
Ας φορτώσουμε και επεξεργαστούμε το σύνολο δεδομένων σε μορφή συνομιλίας. Το παράδειγμα δεδομένων για αυτήν την επίδειξη είναι Τα TOP-1 νήματα συνομιλίας του OpenAssistant.
Τα δεδομένα εκπαίδευσης πρέπει να διαμορφωθούν σε γραμμές JSON (.jsonl
) μορφή, όπου κάθε γραμμή είναι ένα λεξικό που αντιπροσωπεύει ένα σύνολο συνομιλιών. Ένα παράδειγμα μέσα στο αρχείο γραμμών JSON φαίνεται παρακάτω. Για λεπτομέρειες σχετικά με τον τρόπο επεξεργασίας του συνόλου δεδομένων, ανατρέξτε στο σημειωματάριο στο GitHub.
Κάτω από τα σενάρια εκπαίδευσης, το JumpStart χρησιμοποιεί το HuggingFace SFTTrainer με QLoRA και Flash Προσοχή. Το Flash Attention επιτρέπει την αποτελεσματικότητα της κλιμάκωσης, οδηγώντας σε ταχύτερη εκπαίδευση και συμπέρασμα. Εκτός από τη λεπτομέρεια που βασίζεται σε συνομιλία, το JumpStart υποστηρίζει επίσης τον συντονισμό εντολών και προσαρμογής τομέα με το QLoRA. Για λεπτομέρειες, ανατρέξτε στο σημειωματάριο στο GitHub.
Μετά τη λεπτομέρεια, μπορείτε να αναπτύξετε το τελειοποιημένο μοντέλο σε ένα τελικό σημείο του SageMaker.
Μπορείτε να επιλέξετε να αναπτύξετε το μοντέλο που έχει ρυθμιστεί με ακρίβεια στα δεδομένα συνομιλίας στο τελικό σημείο του SageMaker με Λειτουργία API μηνυμάτων HuggingFace ως εναλλακτική προσέγγιση. Το πλεονέκτημα της χρήσης της δυνατότητας Message API είναι ότι επιτρέπει στους χρήστες να περάσουν τα παραδείγματα ερωτημάτων σε ακατέργαστη μορφή, όπως φαίνεται στον παρακάτω πίνακα και το chat_template εντός του τελικού σημείου θα μετατρέψει τα παραδείγματα ερωτημάτων στη σωστή μορφή πριν τα στείλει στο μοντέλο. Για λεπτομέρειες, ανατρέξτε στην ενότητα ανάπτυξης μετά τη λεπτομέρεια στο σημειωματάριο.
Μετά την ανάπτυξη του βελτιστοποιημένου μοντέλου σε ένα τελικό σημείο, μπορείτε να συγκρίνετε αποκρίσεις εξόδου από προεκπαιδευμένα και τελειοποιημένα μοντέλα Gemma. Τα παραδείγματα συλλέγονται από δεδομένα δοκιμής, τα οποία είναι ένα σύνολο αναμονής από τα δεδομένα εκπαίδευσης. Οι παράμετροι συμπερασμάτων είναι max_tokens
ως 512, top_p
ως 0.9, temperature
ως 0.4, και top_k
ως το 50.
Όπως μπορείτε να δείτε με τα αποτελέσματα λεπτής ρύθμισης, οι απαντήσεις των πρακτόρων είναι πιο ακριβείς.
Για να αξιολογήσετε περαιτέρω τα καλά συντονισμένα μοντέλα σας, μπορείτε να εξερευνήσετε Αξιολόγηση FM με το Amazon SageMaker Clarify για να δείτε πώς αποδίδει το καλά συντονισμένο μοντέλο σας σε σύγκριση με το βασικό μοντέλο.
Είσοδοι | Επίγεια αλήθεια | Απάντηση από βάση μοντέλο | Απάντηση από τελειοποιημένο μοντέλο | |
1 |
Χρήστης: Θέλω να ασχοληθώ με το λεξιλόγιό μου, μπορείτε να μου δώσετε μερικούς απλούς τρόπους με τους οποίους μπορώ να βρω νέες λέξεις για να χρησιμοποιήσω για να αυξήσω την ποικιλομορφία των προτάσεών μου; Βοηθός: Σίγουρα! Η βελτίωση του λεξιλογίου σας είναι μια συνεχής διαδικασία, αλλά εδώ είναι μερικοί απλοί τρόποι για να βρείτε νέες λέξεις και να αυξήσετε την ποικιλομορφία των προτάσεών σας: 1. Διαβάστε ευρέως: Η ανάγνωση βιβλίων, άρθρων και ιστολογίων από διαφορετικά είδη και θέματα σας εκθέτει σε νέες λέξεις και φράσεις. Σημειώστε τυχόν άγνωστες λέξεις που συναντάτε και αναζητήστε τη σημασία τους. 2. Χρησιμοποιήστε έναν θησαυρό: Όποτε γράφετε ή διαβάζετε, χρησιμοποιήστε έναν θησαυρό για να βρείτε συνώνυμα για λέξεις που χρησιμοποιούνται συνήθως. Αυτό όχι μόνο σας βοηθά να μάθετε νέες λέξεις, αλλά και ενισχύει την κατανόησή σας για τις λεπτές διαφορές τους στο νόημα. 3. Ημερολόγια ή εφαρμογές Word-a-day: Εγγραφείτε σε ένα μήνυμα ηλεκτρονικού ταχυδρομείου λέξης την ημέρα ή κατεβάστε μια εφαρμογή δημιουργίας λεξιλογίου. Αυτά τα εργαλεία σας παρουσιάζουν μια νέα λέξη κάθε μέρα, μαζί με τη σημασία, την προφορά και τα παραδείγματα χρήσης της. 4. Γίνετε μέλος σε μια λέσχη βιβλίου ή σε μια ομάδα συζήτησης: Η συμμετοχή σε συζητήσεις και συζητήσεις για βιβλία, άρθρα ή οποιοδήποτε άλλο θέμα σας εκθέτει σε διαφορετικές οπτικές γωνίες και νέο λεξιλόγιο. Ακούστε προσεκτικά τους άλλους και δοκιμάστε να χρησιμοποιήσετε νέες λέξεις στο πλαίσιο. 5. Παίξτε παιχνίδια με λέξεις: Παιχνίδια όπως το Scrabble, το Boggle και τα σταυρόλεξα προκαλούν τις δεξιότητές σας στο λεξιλόγιο και σας βοηθούν να μάθετε νέες λέξεις με ευχάριστο τρόπο. 6. Παρακολουθήστε ταινίες, τηλεοπτικές εκπομπές ή ντοκιμαντέρ: Τα οπτικά μέσα χρησιμοποιούν συχνά διαφορετική γλώσσα, αργκό και ορολογία. Η παρακολούθηση ταινιών, τηλεοπτικών εκπομπών ή ντοκιμαντέρ με υπότιτλους μπορεί να σας βοηθήσει να κατανοήσετε καλύτερα και να θυμάστε νέες λέξεις. 7. Εξασκηθείτε στη συγγραφή: Η τακτική σύνταξη ιστοριών, δοκιμίων ή εγγραφών σε περιοδικά σας ενθαρρύνει να χρησιμοποιείτε νέες λέξεις και φράσεις. Πειραματιστείτε με διαφορετικά στυλ και είδη γραφής για να διευρύνετε το λεξιλόγιό σας. 8. Μάθετε την ετυμολογία μιας νέας λέξης: Η κατανόηση της προέλευσης και της ιστορίας μιας λέξης μπορεί να διευκολύνει την απομνημόνευση και τη σωστή χρήση της. Η έρευνα της ετυμολογίας σας εκθέτει επίσης σε σχετικές λέξεις και έννοιες. 9. Χρησιμοποιήστε κάρτες flash ή λογισμικό επανάληψης σε απόσταση: Δημιουργήστε κάρτες flash με νέες λέξεις, τη σημασία τους και παραδείγματα προτάσεων. Ελέγξτε τα τακτικά ή χρησιμοποιήστε λογισμικό επανάληψης σε απόσταση όπως το Anki για να βελτιστοποιήσετε τη μάθησή σας. 10. Θέστε προσωπικούς στόχους: Θέστε εφικτούς στόχους, όπως η εκμάθηση πέντε νέων λέξεων την εβδομάδα. Παρακολουθήστε την πρόοδό σας και επιβραβεύστε τον εαυτό σας για την επίτευξη των στόχων σας. Ενσωματώνοντας με συνέπεια αυτές τις στρατηγικές στην καθημερινή σας ρουτίνα, θα δημιουργήσετε σταδιακά ένα ποικίλο και ισχυρό λεξιλόγιο. Χρήστης: Χμ, μου αρέσει πολύ η ιδέα της ανάγνωσης. Μπορείτε να μου προτείνετε ένα δροσερό θρίλερ επιστημονικής φαντασίας που θα μπορούσα να διαβάσω; |
Βοηθός: Σίγουρα! Ακολουθούν μερικές προτάσεις για θρίλερ επιστημονικής φαντασίας που μπορεί να σας αρέσουν: 1. «The Three-Body Problem» του Liu Cixin – Αυτό το βραβευμένο μυθιστόρημα εξερευνά την πρώτη επαφή μεταξύ της ανθρωπότητας και ενός εξωγήινου πολιτισμού και τις πολιτικές και προσωπικές προεκτάσεις που προκύπτουν. Είναι ένα συναρπαστικό και προβληματικό ανάγνωσμα που εμβαθύνει σε βαθιά ερωτήματα σχετικά με τη φύση της ύπαρξης και του σύμπαντος. 2. "Annihilation" του Jeff Vandermeer - Αυτό το μυθιστόρημα ακολουθεί μια ομάδα επιστημόνων καθώς επιχειρούν σε μια μυστηριώδη περιοχή γνωστή ως "Area X", όπου συναντούν περίεργα και ανησυχητικά φαινόμενα. Καθώς εμβαθύνουν στην περιοχή, αρχίζουν να αποκαλύπτουν σκοτεινά μυστικά για τη φύση της πραγματικότητας και τον κόσμο γύρω τους. 3. «Dark Matter» του Blake Crouch – Αυτό το μυθιστόρημα ακολουθεί έναν λαμπρό φυσικό ονόματι Jason Dessen, ο οποίος απάγεται και μεταφέρεται σε ένα παράλληλο σύμπαν. Καθώς προσπαθεί να βρει το δρόμο του πίσω στη δική του πραγματικότητα, πρέπει να αντιμετωπίσει τις δικές του επιλογές και τις συνέπειες των πράξεών του. 4. «The Andromeda Strain» του Michael Crichton – Αυτό το κλασικό μυθιστόρημα ακολουθεί μια ομάδα επιστημόνων καθώς προσπαθούν να συγκρατήσουν και να μελετήσουν ένα θανατηφόρο εξωγήινο μικρόβιο που έχει προσγειωθεί στη Γη. Καθώς αγωνίζονται ενάντια στο χρόνο για να βρουν έναν τρόπο να εξουδετερώσουν το μικρόβιο, πρέπει επίσης να αντιμετωπίσουν πολιτικές ίντριγκες και προσωπικές συγκρούσεις. 5. «Ready Player One» του Ernest Cline – Αυτό το μυθιστόρημα διαδραματίζεται σε ένα δυστοπικό μέλλον όπου η πλειονότητα του πληθυσμού περνά τον χρόνο του σε έναν κόσμο εικονικής πραγματικότητας γνωστό ως OASIS. Όταν ο δημιουργός του OASIS πεθαίνει και αφήνει πίσω του μια πρόκληση να βρει ένα κρυμμένο πασχαλινό αυγό, ένας νεαρός πρωταγωνιστής ξεκινά μια συναρπαστική αποστολή που θα αλλάξει τη ζωή του για πάντα. Ελπίζω μια από αυτές τις συστάσεις να σας κεντρίσει το ενδιαφέρον! |
Βοηθός: Το κείμενο δεν περιέχει πληροφορίες σχετικά με τις αναγνωστικές προτιμήσεις ή τα ενδιαφέροντά σας, επομένως δεν μπορώ να σας προτείνω βιβλίο. |
Βοηθός: Σίγουρα, εδώ είναι μερικές προτάσεις θρίλερ επιστημονικής φαντασίας που μπορεί να σας αρέσουν: – «Dune» του Frank Herbert: Αυτό το επικό μυθιστόρημα επιστημονικής φαντασίας διαδραματίζεται στον έρημο πλανήτη Arrakis, όπου ένας νεαρός πρίγκιπας ονόματι Paul Atreides πρέπει να αντιμετωπίσει τις προκλήσεις ενός εχθρικού περιβάλλοντος και ενός ύπουλου πολιτικού τοπίου. – «The Martian» του Andy Weir: Αυτό το συναρπαστικό θρίλερ επιστημονικής φαντασίας ακολουθεί την ιστορία του Mark Watney, ενός αστροναύτη που έχει εγκλωβιστεί στον Άρη μετά από μια καταιγίδα σκόνης, καθώς χρησιμοποιεί την εφευρετικότητα και την επινοητικότητα του για να επιβιώσει και τελικά να επιστρέψει στη Γη. – «The Time Machine» του HG Wells: Αυτό το κλασικό μυθιστόρημα επιστημονικής φαντασίας υιοθετεί μια φιλοσοφική προσέγγιση στην έννοια του ταξιδιού στο χρόνο, εξερευνώντας τις συνέπειες της αλλαγής του παρελθόντος και του μέλλοντος. – «The Blade Runner» του Philip K. Dick: Αυτό το νέο-νουάρ μυθιστόρημα επιστημονικής φαντασίας, που διαδραματίζεται σε ένα φουτουριστικό Λος Άντζελες, εξερευνά τη διασταύρωση ανθρώπινης και τεχνητής νοημοσύνης και την επιρροή της στην κοινωνία και τη φύση της πραγματικότητας. – «The Androids» του Isaac Asimov: Αυτό το μυθιστόρημα επιστημονικής φαντασίας διερευνά την έννοια της τεχνητής νοημοσύνης και τις πιθανές συνέπειές της, ιδιαίτερα όταν οι άνθρωποι αναπτύσσουν προηγμένα ανδροειδή που αμφισβητούν τις παραδοσιακές ανθρώπινες αξίες και πεποιθήσεις. Αυτές είναι μόνο μερικές προτάσεις, και τελικά το καλύτερο βιβλίο για εσάς θα εξαρτηθεί από τις προσωπικές σας προτιμήσεις και από το είδος της εμπειρίας που αναζητάτε σε ένα θρίλερ επιστημονικής φαντασίας. Ελπίζω όμως αυτές οι συστάσεις να σας δώσουν ένα καλό σημείο εκκίνησης για την εξερεύνηση του είδους. Παρακαλώ ενημερώστε με εάν έχετε περισσότερες ερωτήσεις ή εάν υπάρχει κάτι που μπορώ να σας βοηθήσω. |
2 |
Χρήστης: Γράψτε ένα πρόγραμμα Hello World στο VB.NET Βοηθός: Ορίστε: vbnet Χρήστης: Κάντε το να παίρνει είσοδο από το $ και μετά πείτε "Hello, $" αντί για "Hello, World!" |
Βοηθός: Public Module HelloWorld Public Sub Main() System.Console.WriteLine ("Πώς είναι το όνομά σου;") Dim name As String = System.Console.ReadLine() System.Console.WriteLine ("Γεια, " & όνομα & "!") Sub End Τελική ενότητα |
Βοηθός: «`vbnet Δημόσια ενότητα HelloWorld Public Sub Main() Dim name As String = Console.ReadLine() Console.WriteLine ("Hello", & name) Sub End Τελική ενότητα |
Βοηθός: Σίγουρα! Εδώ είναι ένα παράδειγμα: vbnet |
3 |
Χρήστης: Δώστε μου μια λίστα με τα στοιχεία που πρέπει να κάνω κατά την έναρξη ενός έργου για την εκπαίδευση ενός μεγάλου γλωσσικού μοντέλου που μπορεί να κατανοήσει και να απαντήσει σε ανθρώπινες ερωτήσεις Βοηθός: Τα ακόλουθα βήματα είναι μια συνοπτική λίστα βημάτων που πρέπει να κάνετε κατά την έναρξη ενός έργου για την εκπαίδευση ενός μεγάλου γλωσσικού μοντέλου ικανού να κατανοεί και να ανταποκρίνεται σε ανθρώπινες ερωτήσεις: 1. Καθορίστε το πεδίο εφαρμογής και τους στόχους του έργου, το κοινό-στόχο. Αυτό θα σας δώσει μια βασική ιδέα για το ποια είναι τα απαιτούμενα βήματα. Πρέπει να μπω σε περισσότερες λεπτομέρειες σε ένα από τα σημεία; Χρήστης: Αυτές οι εργασίες πρέπει να αναλυθούν περαιτέρω, θα μπορούσατε παρακαλώ να δώσετε μια ενημερωμένη λίστα υποχρεώσεων με μια πιο λεπτομερή ανάλυση των μελλοντικών εργασιών |
Βοηθός: Ακολουθεί μια πιο λεπτομερής ανάλυση για κάθε βήμα: 1. Καθορίστε το πεδίο εφαρμογής και τους στόχους του έργου: Είναι σημαντικό να ορίσετε με σαφήνεια τους στόχους του έργου και ποιο είναι το κοινό-στόχος. Αυτό θα σας βοηθήσει να λάβετε αποφάσεις σχετικά με τον τύπο δεδομένων που θα συλλέξετε και ποια αρχιτεκτονική μοντέλου είναι κατάλληλη. 2. Συλλογή και προεπεξεργασία δεδομένων: Αυτό είναι ένα σημαντικό βήμα, καθώς η ποιότητα και η ποικιλομορφία των δεδομένων θα επηρεάσουν άμεσα την απόδοση του μοντέλου. Η προεπεξεργασία μπορεί να περιλαμβάνει τον καθαρισμό των δεδομένων, τη διαμόρφωση κειμένου και τη μετατροπή λέξεων σε αριθμητικές αναπαραστάσεις. 3. Επιλέξτε αρχιτεκτονική μοντέλων: Υπάρχουν πολλοί διαφορετικοί τύποι μοντέλων για να διαλέξετε, συμπεριλαμβανομένων των επαναλαμβανόμενων νευρωνικών δικτύων (RNN), των μοντέλων μετασχηματιστών και των συνελικτικών νευρωνικών δικτύων (CNN). Η επιλογή θα εξαρτηθεί από τις ειδικές απαιτήσεις του έργου και τον όγκο των διαθέσιμων δεδομένων. 4. Διαχωρίστε τα δεδομένα και εφαρμόστε την αύξηση δεδομένων: Ο διαχωρισμός των δεδομένων σε υποσύνολα εκπαίδευσης, επικύρωσης και δοκιμής είναι σημαντική για την παρακολούθηση της απόδοσης του μοντέλου κατά τη διάρκεια της εκπαίδευσης. Η αύξηση δεδομένων μπορεί να χρησιμοποιηθεί για την τεχνητή αύξηση του μεγέθους του συνόλου δεδομένων και τη βελτίωση της ευρωστίας του μοντέλου. 5. Εκπαιδεύστε το μοντέλο και την παρακολούθηση της προόδου: Αυτό το βήμα περιλαμβάνει εκπαίδευση του μοντέλου στα δεδομένα εκπαίδευσης, χρησιμοποιώντας το σύνολο επικύρωσης για την παρακολούθηση της προόδου και την προσαρμογή των υπερπαραμέτρων όπως απαιτείται. Μπορεί να χρειαστεί να επαναλάβετε αυτή τη διαδικασία αρκετές φορές έως ότου το μοντέλο έχει καλή απόδοση στο σύνολο επικύρωσης. 6. Αξιολόγηση μοντέλου σε δοκιμαστικό σύνολο: Μόλις το μοντέλο εκπαιδευτεί, είναι σημαντικό να αξιολογήσετε την απόδοσή του σε ένα ξεχωριστό σύνολο δοκιμών για να πάρετε μια ιδέα για την ικανότητά του γενίκευσης. Αυτό μπορεί να γίνει συγκρίνοντας τις προβλέψεις του μοντέλου με τα πραγματικά αποτελέσματα και αναλύοντας τα λάθη. 7. Βελτιστοποίηση για συγκεκριμένες εργασίες ή τομείς: Αυτό το βήμα περιλαμβάνει περαιτέρω εκπαίδευση του μοντέλου σε δεδομένα για συγκεκριμένες εργασίες για τη βελτίωση της απόδοσής του για έναν συγκεκριμένο τομέα. Αυτό μπορεί να γίνει μέσω της εκμάθησης μεταφοράς, όπου ένα προεκπαιδευμένο μοντέλο ρυθμίζεται με ακρίβεια σε νέα δεδομένα, ή μέσω του μικροσυντονισμού, όπου το μοντέλο εκπαιδεύεται από την αρχή στα νέα δεδομένα. 8. Δημιουργία διεπαφής για είσοδο χρήστη: Αυτό περιλαμβάνει το σχεδιασμό μιας διεπαφής που επιτρέπει στους χρήστες να εισάγουν ερωτήσεις ή αιτήματα και να λαμβάνουν απαντήσεις από το μοντέλο. 9. Δοκιμή σε ελεγχόμενο περιβάλλον: Πριν από την ανάπτυξη του μοντέλου σε πραγματικές συνθήκες, είναι σημαντικό να το δοκιμάσετε σε ελεγχόμενο περιβάλλον και να συλλέξετε σχόλια από τους χρήστες. Αυτό θα βοηθήσει στον εντοπισμό τυχόν σφαλμάτων ή μεροληψιών στο μοντέλο και θα παρέχει ευκαιρίες για βελτίωση. 10. Συνεχής παρακολούθηση και βελτίωση της απόδοσης: Τέλος, είναι σημαντικό να παρακολουθείτε συνεχώς την απόδοση του μοντέλου και να κάνετε ενημερώσεις και βελτιώσεις όπως απαιτείται. Αυτό μπορεί να περιλαμβάνει την επανεκπαίδευση του μοντέλου σε νέα δεδομένα, τη λεπτομερή ρύθμιση υπερπαραμέτρων ή την ενημέρωση της αρχιτεκτονικής. |
Βοηθός: ## Λίστα υποχρεώσεων για την εκπαίδευση ενός μοντέλου μεγάλης γλώσσας για απαντήσεις σε ερωτήσεις **1. Αντικείμενο & Στόχοι Έργου:** * Καθορίστε τους στόχους του έργου και τις επιθυμητές λειτουργίες. **2. Απόκτηση και προεπεξεργασία δεδομένων:** * Προσδιορίστε πηγές για δεδομένα εκπαίδευσης και συγκεντρώστε ένα διαφορετικό σύνολο δεδομένων κειμένου. **3. Επιλογή και διαμόρφωση μοντέλου:** * Επιλέξτε μια κατάλληλη αρχιτεκτονική μοντέλου με βάση την πολυπλοκότητα της εργασίας και την επιθυμητή απόδοση. **4. Εκπαίδευση & Αξιολόγηση:** * Διαχωρίστε τα δεδομένα εκπαίδευσης σε υποσύνολα εκπαίδευσης, επικύρωσης και δοκιμής. **5. Βελτιστοποίηση & Ανάπτυξη διεπαφής:** * Βελτιστοποιήστε το μοντέλο για συγκεκριμένες εργασίες ή τομείς μέσω της εκμάθησης μεταφοράς. **6. Δοκιμή και βελτίωση:** * Δοκιμάστε το μοντέλο σε ελεγχόμενο περιβάλλον με διάφορα σενάρια εισαγωγής. **Πρόσθετες εκτιμήσεις:** * Ορίστε ένα χρονοδιάγραμμα και έναν προϋπολογισμό για το έργο. **Σημείωση:** Αυτή η λίστα δεν είναι εξαντλητική και μπορεί να χρειαστεί να προσαρμοστεί με βάση τις συγκεκριμένες απαιτήσεις του έργου. |
Βοηθός: Σίγουρα, εδώ είναι μια πιο λεπτομερής ανάλυση των εργασιών που εμπλέκονται στην εκπαίδευση ενός μεγάλου γλωσσικού μοντέλου για την κατανόηση και την απάντηση σε ανθρώπινες ερωτήσεις: **1. Καθορίστε το πεδίο εφαρμογής και τους στόχους του έργου** **2. Συλλέξτε και προεπεξεργαστείτε ένα ολοκληρωμένο/διαφορετικό σύνολο δεδομένων κειμένου** **3. Επιλέξτε μια κατάλληλη αρχιτεκτονική μοντέλου, προσαρμόστε τις υπερπαραμέτρους για ακρίβεια/ταχύτητα** **4. Διαχωρίστε το σύνολο δεδομένων σε υποσύνολα εκπαίδευσης, επικύρωσης, δοκιμής, εφαρμογής επαύξησης δεδομένων** **5. Μοντέλο τρένου, Παρακολούθηση της προόδου στο σετ επικύρωσης, Προσαρμογή όπως απαιτείται** **6. Αξιολογήστε το μοντέλο σε σύνολο δοκιμών, συγκρίνετε με σημεία αναφοράς, αναλύστε λάθη και προκαταλήψεις** **7. Βελτιστοποίηση για συγκεκριμένες εργασίες ή τομείς μέσω εκμάθησης μεταφοράς ή μικρορύθμισης** **8. Δημιουργία διεπαφής για εισαγωγή χρήστη και απόκριση μοντέλου** **9. Δοκιμή σε ελεγχόμενο περιβάλλον, συλλέξτε σχόλια για βελτίωση** **10. Συνεχής παρακολούθηση και βελτίωση της απόδοσης μέσω επανεκπαίδευσης και συντονισμού** Αυτά είναι τα βήματα που εμπλέκονται στην εκπαίδευση ενός μεγάλου γλωσσικού μοντέλου ώστε να κατανοεί και να απαντά σε ανθρώπινες ερωτήσεις. Παρακαλώ ενημερώστε με εάν έχετε ερώτηση. |
εκκαθάριση
Αφού δοκιμάσετε τα τελικά σημεία, διαγράψτε τα τελικά σημεία συμπερασμάτων SageMaker και το μοντέλο για να αποφύγετε χρεώσεις.
Συμπέρασμα
Σε αυτήν την ανάρτηση, σας δείξαμε πώς να ξεκινήσετε με το Gemma στο SageMaker Studio και να αναπτύξετε το μοντέλο για συμπέρασμα. Σας δείξαμε επίσης πώς μπορείτε να συντονίσετε τα μοντέλα Gemma στο SageMaker Jumpstart.
Επειδή τα μοντέλα θεμελίωσης είναι προεκπαιδευμένα, μπορούν να συμβάλουν στη μείωση του κόστους εκπαίδευσης και υποδομής και να επιτρέψουν την προσαρμογή για την περίπτωση χρήσης σας. Επισκεφτείτε το SageMaker JumpStart στο SageMaker Studio τώρα για να ξεκινήσετε.
Αυτή η καθοδήγηση είναι μόνο για ενημερωτικούς σκοπούς. Θα πρέπει ακόμα να πραγματοποιήσετε τη δική σας ανεξάρτητη αξιολόγηση και να λάβετε μέτρα για να διασφαλίσετε ότι συμμορφώνεστε με τις δικές σας συγκεκριμένες πρακτικές και πρότυπα ποιοτικού ελέγχου, καθώς και με τους τοπικούς κανόνες, νόμους, κανονισμούς, άδειες και όρους χρήσης που ισχύουν για εσάς, το περιεχόμενό σας και το μοντέλο τρίτου κατασκευαστή που αναφέρεται σε αυτήν την καθοδήγηση. Η AWS δεν έχει κανέναν έλεγχο ή εξουσία επί του μοντέλου τρίτου κατασκευαστή που αναφέρεται σε αυτήν την καθοδήγηση και δεν παρέχει καμία δήλωση ή εγγύηση ότι το μοντέλο τρίτου κατασκευαστή είναι ασφαλές, απαλλαγμένο από ιούς, λειτουργικό ή συμβατό με το περιβάλλον παραγωγής και τα πρότυπά σας. Η AWS δεν προβαίνει σε δηλώσεις, εγγυήσεις ή εγγυήσεις ότι οποιαδήποτε πληροφορία σε αυτήν την καθοδήγηση θα έχει ως αποτέλεσμα ένα συγκεκριμένο αποτέλεσμα ή αποτέλεσμα.
Σχετικά με τους συγγραφείς
Δόκτωρ Kyle Ulrich είναι Εφαρμοσμένος Επιστήμονας με το Ενσωματωμένοι αλγόριθμοι Amazon SageMaker ομάδα. Τα ερευνητικά του ενδιαφέροντα περιλαμβάνουν κλιμακωτούς αλγόριθμους μηχανικής μάθησης, όραση υπολογιστή, χρονοσειρές, μη παραμετρικές Μπεϋζιανές και διεργασίες Gauss. Το διδακτορικό του είναι από το Πανεπιστήμιο Duke και έχει δημοσιεύσει εργασίες στα NeurIPS, Cell και Neuron.
Δόκτωρ Σιν Χουάνγκ είναι Senior Applied Scientist για τους ενσωματωμένους αλγόριθμους Amazon SageMaker JumpStart και Amazon SageMaker. Επικεντρώνεται στην ανάπτυξη κλιμακωτών αλγορίθμων μηχανικής μάθησης. Τα ερευνητικά του ενδιαφέροντα είναι στον τομέα της επεξεργασίας φυσικής γλώσσας, της εξηγήσιμης βαθιάς μάθησης σε δεδομένα πινάκων και της ισχυρής ανάλυσης της μη παραμετρικής ομαδοποίησης του χωροχρόνου. Έχει δημοσιεύσει πολλές εργασίες σε συνέδρια ACL, ICDM, KDD και Royal Statistical Society: Series A.
Rachna Chadha είναι ένας κύριος αρχιτέκτονας λύσεων AI/ML σε στρατηγικούς λογαριασμούς στο AWS. Η Rachna είναι αισιόδοξη που πιστεύει ότι η ηθική και υπεύθυνη χρήση της τεχνητής νοημοσύνης μπορεί να βελτιώσει την κοινωνία στο μέλλον και να φέρει οικονομική και κοινωνική ευημερία. Στον ελεύθερο χρόνο της, στη Ράχνα αρέσει να περνά χρόνο με την οικογένειά της, να κάνει πεζοπορία και να ακούει μουσική.
Έβαν Κράβιτς είναι μηχανικός λογισμικού στο Amazon Web Services, που εργάζεται στο SageMaker JumpStart. Του αρέσει να μαγειρεύει και να τρέχει στη Νέα Υόρκη.
Δρ Ashish Khetan είναι Ανώτερος Εφαρμοσμένος Επιστήμονας με ενσωματωμένους αλγόριθμους του Amazon SageMaker και βοηθά στην ανάπτυξη αλγορίθμων μηχανικής μάθησης. Πήρε το διδακτορικό του από το Πανεπιστήμιο του Illinois Urbana-Champaign. Είναι ενεργός ερευνητής στη μηχανική μάθηση και στα στατιστικά συμπεράσματα και έχει δημοσιεύσει πολλές εργασίες σε συνέδρια NeurIPS, ICML, ICLR, JMLR, ACL και EMNLP.
- SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
- PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
- PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
- PlatoESG. Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
- PlatoHealth. Ευφυΐα βιοτεχνολογίας και κλινικών δοκιμών. Πρόσβαση εδώ.
- πηγή: https://aws.amazon.com/blogs/machine-learning/gemma-is-now-available-in-amazon-sagemaker-jumpstart/
- :έχει
- :είναι
- :δεν
- :που
- $UP
- 1
- 10
- 100
- 11
- 13
- 135
- 17
- 19
- 1900
- 250
- 28
- 29
- 31
- 39
- 41
- 50
- 7
- 8
- 9
- a
- ικανότητα
- Σχετικα
- πάνω από
- Αποδέχομαι
- πρόσβαση
- προσιτότητα
- Λογαριασμός
- Λογαριασμοί
- συσσώρευση
- ακρίβεια
- ακριβής
- κατορθωτός
- Επιτυγχάνει
- απόκτηση
- απέναντι
- ενεργειών
- ενεργός
- πραγματικός
- προσαρμογή
- Επιπλέον
- Επιπλέον
- προσαρμόσει
- προηγμένες
- προκαταβολές
- Μετά το
- κατά
- Πράκτορας
- AI
- AI / ML
- αεροσκάφος
- αλγόριθμοι
- αλλοδαπός
- Όλα
- επιτρέπουν
- επιτρέπεται
- επιτρέπει
- κατά μήκος
- Επίσης
- εναλλακτική λύση
- Amazon
- Amazon Sage Maker
- Amazon SageMaker JumpStart
- Amazon υπηρεσίες Web
- ποσό
- an
- ανάλυση
- αναλύσει
- αναλύσεις
- αναλύοντας
- και
- και την υποδομή
- Ανδρομέδα
- Angeles
- Ανακοινώστε
- απάντηση
- απάντηση
- απαντήσεις
- κάθε
- οτιδήποτε
- api
- app
- εφαρμογές
- εφαρμοσμένος
- Εφαρμογή
- πλησιάζω
- προσεγγίσεις
- κατάλληλος
- εφαρμογές
- αρχιτεκτονική
- ΕΙΝΑΙ
- ΠΕΡΙΟΧΗ
- περιοχές
- επιχείρημα
- γύρω
- Τέχνη
- εμπορεύματα
- τεχνητός
- τεχνητή νοημοσύνη
- AS
- ζητώ
- εκτίμηση
- Βοηθός
- αστροναύτης
- At
- ακροατήριο
- εξουσία
- Αυτοματοποιημένη
- διαθέσιμος
- αποφύγετε
- βραβευμένο
- AWS
- Κονσόλα διαχείρισης AWS
- πίσω
- ισόρροπη
- βάση
- βασίζονται
- βασικός
- δοσοληψία
- Bayesian
- BE
- επειδή
- πριν
- αρχίζουν
- πίσω
- είναι
- πεποιθήσεις
- πιστεύει
- παρακάτω
- συγκριτικής αξιολόγησης
- αναφοράς
- όφελος
- εκτός
- ΚΑΛΎΤΕΡΟΣ
- Καλύτερα
- μεταξύ
- προκατάληψη
- μεροληψίες
- Δισεκατομμύριο
- δισεκατομμύρια
- ΛΕΠΊΔΑ
- Αποκλεισμός
- Μπλοκ
- ιστολόγια
- άνθηση
- σώμα
- βιβλίο
- Βιβλία
- Ανάλυση
- λαμπρός
- φέρω
- Φέρνοντας
- Φέρνει
- Σπασμένος
- προϋπολογισμός
- χτίζω
- Κτίριο
- χτισμένο
- ενσωματωμένο
- αλλά
- κουμπί
- by
- ημερολόγια
- κλήση
- που ονομάζεται
- CAN
- δεν μπορώ
- καμβάς
- δυνατότητες
- ικανός
- κάρτα
- περίπτωση
- περιπτώσεις
- κατηγορία
- προσοχή
- κύτταρο
- πρόκληση
- προκλήσεις
- αλλαγή
- χαρακτηριστικά
- φορτία
- chat
- έλεγχοι
- επιλογή
- επιλογές
- Επιλέξτε
- Πόλη
- Πολιτισμός
- τάξη
- κλασικό
- καθαρός
- Καθάρισμα
- σαφώς
- κλικ
- λέσχη
- ομαδοποίηση
- κωδικός
- Κωδικοποίηση
- συνεργασία
- έρχεται
- συνήθως
- συγκρίνουν
- σύγκριση
- συγκρίνοντας
- σύγκριση
- σύμφωνος
- πλήρης
- πολυπλοκότητα
- περίπλοκο
- συμμορφώνονται
- υπολογιστή
- Computer Vision
- έννοια
- έννοιες
- ανταγωνιστής
- συνέδρια
- διαμόρφωση
- Συγκρούσεις
- Συνέπειες
- Εξετάστε
- θεωρήσεις
- θεωρώντας
- με συνέπεια
- αποτελείται
- πρόξενος
- σταθερός
- περιορισμούς
- επικοινωνήστε μαζί μας
- περιέχουν
- Δοχείο
- Περιέχει
- υποστηρίζω
- περιεχόμενο
- συμφραζόμενα
- συνεχώς
- έλεγχος
- ελέγχεται
- Συνομιλία
- ομιλητικός
- συνομιλίες
- μετατρέψετε
- μετατροπή
- Δροσερός
- σωστά
- Δικαστικά έξοδα
- θα μπορούσε να
- δημιουργία
- δημιουργία
- Δημιουργικός
- δημιουργός
- σταυρόλεξο
- επιμέλεια
- περίεργος
- Ρεύμα
- Πελάτες
- παραμετροποίηση
- καθημερινά
- χορός
- σκοτάδι
- ημερομηνία
- σύνολα δεδομένων
- ημέρα
- αποφάσεις
- βαθύς
- βαθιά μάθηση
- βαθύτερη
- Deepmind
- Προεπιλογή
- ορίζεται
- Ορίζει
- σκάβω
- ντελ
- επίδειξη
- εξαρτηθεί
- παρατάσσω
- αναπτυχθεί
- ανάπτυξη
- ανάπτυξη
- ΕΡΗΜΟΣ
- Υπηρεσίες
- σχέδιο
- επιθυμητή
- λεπτομέρεια
- λεπτομερής
- καθέκαστα
- Προσδιορίστε
- ανάπτυξη
- αναπτύχθηκε
- Εργολάβος
- ανάπτυξη
- Ανάπτυξη
- συσκευή
- διάγνωση
- διάλογος
- διαφέρω
- διαφορές
- διαφορετικές
- ψηφιακό
- ψηφιακής τέχνης
- κατευθείαν
- κατάλογο
- ανακαλύπτουν
- συζήτηση
- συζητήσεις
- ασθένειες
- κατάδυση
- διάφορα
- Ποικιλία
- διαιρούν
- do
- έγγραφο
- ντοκιμαντέρ
- κάνει
- τομέα
- domains
- γίνεται
- κάτω
- κατεβάσετε
- δυο
- Δούκας
- πανεπιστήμιο του Δούκα
- κατά την διάρκεια
- Σκόνη
- δυστοπία
- κάθε
- γη
- ευκολότερη
- αποδοτικότητα
- οκτώ
- ΗΛΕΚΤΡΟΝΙΚΗ ΔΙΕΥΘΥΝΣΗ
- Αυτοκρατορία
- ενεργοποιήσετε
- δίνει τη δυνατότητα
- ενεργοποίηση
- συνάντηση
- Ενθαρρύνει
- από άκρη σε άκρη
- Τελικό σημείο
- ελκυστικός
- μηχανικός
- Ενισχύει
- απολαύσετε
- απολαυστικός
- εξασφαλίζω
- Περιβάλλον
- ΈΠΟΣ
- λάθη
- ουσιώδης
- εγκαθιδρύω
- ηθικά
- αξιολογήσει
- αξιολογώντας
- εκτίμηση
- τελικά
- Κάθε
- παράδειγμα
- παραδείγματα
- ενθουσιασμένοι
- εξαντλητικός
- εκθέματα
- ύπαρξη
- υφιστάμενα
- Ανάπτυξη
- αναμένεται
- ακριβά
- εμπειρία
- πείραμα
- εμπειρογνώμονες
- διερευνήσει
- διερευνά
- Εξερευνώντας
- Πρόσωπο
- δικαιοσύνη
- ψευδής
- οικογένεια
- γρηγορότερα
- Χαρακτηριστικό
- ανατροφοδότηση
- Πόδια
- λίγοι
- πεδίο
- την καταπολέμηση της
- Αρχεία
- Τελικά
- Εύρεση
- ευρήματα
- τέλος
- Όνομα
- πρώτη επαφή
- ταιριάζουν
- πέντε
- φλας
- πτήση
- εστιάζει
- Εξής
- εξής
- Για
- για πάντα
- μορφή
- Θεμέλιο
- Πλαίσιο
- ειλικρινής
- από
- λειτουργία
- λειτουργίες
- λειτουργικότητα
- λειτουργία
- περαιτέρω
- μελλοντικός
- φουτουριστικό
- Games
- συγκεντρώνουν
- Gemini
- παραγωγής
- γενετική
- Παραγωγική τεχνητή νοημοσύνη
- είδος
- είδη
- παίρνω
- GitHub
- Δώστε
- δεδομένου
- Go
- Στόχοι
- μετάβαση
- καλός
- Της Google
- πήρε
- GPU
- χάρη
- σταδιακά
- εξαιρετική
- μεγάλη δύναμη
- Group
- εγγυήσεις
- φρουρά
- καθοδήγηση
- καθοδηγήσει
- καθοδήγηση
- χέρι
- ιπποσκευή
- Έχω
- he
- ύψος
- γειά σου
- βοήθεια
- βοηθά
- αυτήν
- εδώ
- κρυμμένο
- του
- ιστορία
- ελπίζω
- φιλοξενείται
- Πως
- Πώς να
- Ωστόσο
- HTML
- HTTPS
- Hub
- κόμβους
- Πρόσωπο αγκαλιάς
- ανθρώπινος
- Ανθρωπότητα
- Οι άνθρωποι
- i
- ID
- ιδέα
- προσδιορίσει
- if
- Ιλλινόις
- εικόνες
- Επίπτωση
- εφαρμογή
- εκτέλεση
- εισαγωγή
- σημαντικό
- βελτίωση
- βελτίωση
- βελτιώσεις
- βελτίωση
- in
- περιλαμβάνουν
- Συμπεριλαμβανομένου
- ενσωματώνοντας
- Αυξάνουν
- ανεξάρτητος
- βιομηχανία
- βιομηχανικά πρότυπα
- επιρροή
- πληροφορίες
- Ενημερωτικό
- Υποδομή
- ευφυία
- Καινοτομία
- εισαγωγή
- είσοδοι
- Ερωτήσεις
- ιδέες
- εμπνευσμένος
- παράδειγμα
- αντί
- ενσωματώσει
- ενσωματωθεί
- Νοημοσύνη
- πρόθεση
- αλληλεπίδραση
- συμφέροντα
- περιβάλλον λειτουργίας
- διασταύρωση
- σε
- εισαγάγει
- διαισθητική
- εμπλέκω
- συμμετέχουν
- περιλαμβάνει
- IT
- αντικειμένων
- ΤΟΥ
- ορολογία
- ενταχθούν
- ημερολόγιο
- ταξίδι
- jpg
- json
- μόλις
- Διατήρηση
- Είδος
- Ξέρω
- γνώση
- γνωστός
- Kyle
- προσγείωση
- τοπίο
- Γλώσσα
- large
- μεγαλύτερος
- Αφάνεια
- ξεκίνησε
- Του νόμου
- που οδηγεί
- ΜΑΘΑΊΝΩ
- μάθηση
- μαθαίνει
- αφήνοντας
- Μήκος
- ας
- Επίπεδο
- Μόχλευση
- Άδεια
- άδειες
- ζωή
- αστραπή
- Ταχύτητα αστραπής
- πυγμάχος ελαφρού βάρους
- Μου αρέσει
- συμπαθεί
- γραμμή
- γραμμές
- Λιστα
- ακούω
- Ακούγοντας
- ακούει
- Είδος μικρής καμήλας
- φορτίο
- τοπικός
- τοποθεσία
- ματιά
- κοιτάζοντας
- ΦΑΊΝΕΤΑΙ
- ο
- Λος Άντζελες
- χαμηλότερα
- μηχανή
- μάθηση μηχανής
- Η πλειοψηφία
- κάνω
- κακόβουλο
- διαχείριση
- χειροκίνητα
- πολοί
- σημάδι
- Άρης
- μαθηματικά
- ανώτατο όριο
- Ενδέχεται..
- me
- νόημα
- σημασίες
- μέτρα
- Εικόνες / Βίντεο
- ιατρική
- συνάντηση
- που αναφέρθηκαν
- μήνυμα
- μηνύματα
- μέθοδος
- Μιχαήλ
- ενδέχεται να
- νου
- Λεπτ.
- ML
- μοντέλο
- μοντέλα
- Μονάδα μέτρησης
- Παρακολούθηση
- παρακολούθηση
- περισσότερο
- πλέον
- Κινηματογράφος
- Μουσική
- πρέπει
- my
- μυστηριώδης
- όνομα
- Ονομάστηκε
- Φυσικό
- Επεξεργασία φυσικής γλώσσας
- Φύση
- απαραίτητος
- Ανάγκη
- που απαιτούνται
- ανάγκες
- δίκτυα
- νευρικός
- νευρωνικά δίκτυα
- ποτέ
- Νέα
- Νέα Υόρκη
- Νέα Υόρκη
- βράδυ
- Όχι.
- σημείωση
- σημειωματάριο
- μυθιστόρημα
- τώρα
- αριθμός
- Όαση
- αντικείμενο
- στόχοι
- παρατηρούμε
- of
- προσφορές
- συχνά
- on
- μια φορά
- ONE
- συνεχή
- αποκλειστικά
- επιχειρήσεων
- Ευκαιρίες
- βελτιστοποίηση
- Βελτιστοποίηση
- Επιλογές
- or
- τάξη
- καταγωγή
- OS
- ΑΛΛΑ
- Άλλα
- έξω
- Αποτέλεσμα
- αποτελέσματα
- παραγωγή
- επί
- δική
- σελίδα
- χαρτιά
- Παράλληλο
- παράμετρος
- παράμετροι
- Ειδικότερα
- ιδιαίτερα
- μέρη
- passieren
- Πέρασμα
- Το παρελθόν
- μονοπάτι
- πρότυπα
- Παύλος
- People
- για
- Εκτελέστε
- επίδοση
- εκτέλεση
- εκτελεί
- προσωπικός
- προοπτικές
- phd
- φράσεις
- φυσικός
- πιλότος
- Μέρος
- πλανήτης
- φώναξε
- Πλάτων
- Πληροφορία δεδομένων Plato
- Πλάτωνα δεδομένα
- Δοκιμάστε να παίξετε
- παίχτης
- σας παρακαλούμε
- Σημείο
- σημεία
- πολιτικός
- Δημοφιλής
- πληθυσμός
- Θέση
- δυναμικού
- δύναμη
- πρακτική
- πρακτικές
- Προβλέψεις
- Predictor
- προτιμήσεις
- προετοιμασία
- αρκετά
- προηγουμένως
- Πρίγκιπας
- Κύριος
- εκτυπώσεις
- διαδικασια μας
- Επεξεργασμένο
- Διεργασίες
- μεταποίηση
- παραγωγή
- Πρόγραμμα
- Πρόοδος
- σχέδιο
- προτρέπει
- κατάλληλος
- ευημερία
- παρέχουν
- Παρόχους υπηρεσιών
- παρέχει
- δημόσιο
- δημοσίως
- δημοσιεύθηκε
- σκοποί
- Παζλ
- Python
- pytorch
- ποιότητα
- ερωτήματα
- απορία
- αναζήτηση
- ερώτηση
- Ερωτήσεις
- γρήγορα
- αρκετά
- Αγώνας
- διακλαδώσεις
- σειρά
- μάλλον
- Ακατέργαστος
- φθάνοντας
- Διάβασε
- Ανάγνωση
- πραγματικό κόσμο
- Πραγματικότητα
- πραγματικά
- βασίλειο
- λόγος
- λαμβάνω
- πρόσφατος
- Σύσταση
- συστάσεις
- συνιστώντας
- επαναλαμβανόμενος
- αναφορά
- αναφέρονται
- αντικατοπτρίζει
- τακτικά
- κανονισμοί
- σχετίζεται με
- κυκλοφόρησε
- θυμάμαι
- επαναλαμβάνω
- εκπροσωπούν
- αιτήματα
- απαιτείται
- απαιτήσεις
- έρευνα
- ερευνητής
- Απάντηση
- απαντώντας
- απάντησης
- απαντήσεις
- ευθύνη
- υπεύθυνος
- αποτέλεσμα
- Αποτελέσματα
- ανασκόπηση
- Ανταμοιβή
- Αύξηση
- εύρωστος
- ευρωστία
- Ρόλος
- ρουτίνα
- βασιλικός
- κανόνες
- τρέξιμο
- τρέχει
- s
- Ασφαλέστερο
- σοφός
- Συμπεράσματα SageMaker
- ίδιο
- Αποθήκευση
- λένε
- επεκτάσιμη
- Κλίμακα
- Ζυγός
- απολέπιση
- σενάρια
- Sci-Fi
- Επιστήμη
- Επιστήμονας
- επιστήμονες
- έκταση
- μηδέν
- γραφή
- Εφαρμογές
- SDK
- αδιάλειπτη
- αναζήτηση
- Δεύτερος
- μυστικά
- Τμήμα
- προστατευμένο περιβάλλον
- δείτε
- επιλέξτε
- επιλέγονται
- επιλογή
- επιλογή
- αποστολή
- αρχαιότερος
- ξεχωριστό
- Ακολουθία
- Σειρές
- Σειρά Α
- Υπηρεσίες
- εξυπηρετούν
- Συνεδρίαση
- σειρά
- Σέτς
- τον καθορισμό
- διάφοροι
- Shared
- θα πρέπει να
- δείχνουν
- έδειξε
- επίδειξη
- παρουσιάζεται
- Δείχνει
- πλευρά
- παρόμοιες
- Απλούς
- ενιαίας
- Μέγεθος
- μεγέθη
- δεξιότητες
- So
- Μ.Κ.Δ
- Κοινωνία
- λογισμικό
- Μηχανικός Λογισμικού
- λύση
- Λύσεις
- μερικοί
- Πηγές
- Sparks
- συγκεκριμένες
- ταχύτητα
- Δαπάνες
- ξοδεύει
- σταθεί
- πρότυπα
- ξεκίνησε
- Ξεκινήστε
- Κατάσταση
- state-of-the-art
- Δήλωση
- στατιστικός
- Βήμα
- Βήματα
- Ακόμη
- ιστορίες
- καταιγίδα
- Ιστορία
- παράξενος
- Στρατηγική
- στρατηγικές
- Σπάγγος
- ισχυρός
- στούντιο
- Μελέτη
- συνεισφέρω
- υπότιτλους
- επιτυχής
- τέτοιος
- κατάλληλος
- υποστήριξη
- υποστηριζόνται!
- Στήριξη
- Υποστηρίζει
- βέβαιος
- επιβιώσουν
- σύστημα
- τραπέζι
- Πάρτε
- παίρνει
- ιστορία
- στόχος
- στόχους
- Έργο
- εργασίες
- ομάδες
- τεχνική
- τεχνικές
- Τεχνολογία
- πρότυπο
- πρότυπα
- tensorflow
- όροι
- δοκιμή
- δοκιμαστεί
- Δοκιμές
- κείμενο
- από
- ότι
- Η
- Η περιοχή
- Το μέλλον
- ο κόσμος
- τους
- Τους
- τους
- τότε
- Εκεί.
- επομένως
- Αυτοί
- αυτοί
- Τρίτος
- τρίτους
- τρίτους
- αυτό
- εκείνοι
- σκέψη
- προκλητικό
- χίλια
- συγκινητικός
- Μέσω
- διακίνηση
- ώρα
- Χρονική σειρά
- ταξίδι στο χρόνο
- χρονοδιάγραμμα
- φορές
- προς την
- ένδειξη
- tokenizing
- κουπόνια
- είπε
- εργαλείο
- εργαλεία
- τοπικός
- Σύνολο
- τροχιά
- παραδοσιακός
- Τρένο
- εκπαιδευμένο
- Εκπαίδευση
- μεταφορά
- Μεταφορά
- μετασχηματιστής
- Μετάφραση
- ταξίδι
- Τρισεκατομμύριο
- αληθής
- προσπαθώ
- αρμονία
- συντονισμένη
- βραχυχρόνιων διακυμάνσεων της ρευστότητας
- tv
- δύο
- τύπος
- τύποι
- τυπικός
- συνήθως
- ui
- τελικά
- αποκαλύπτω
- υπό
- καταλαβαίνω
- κατανόηση
- άγνωστος
- Σύμπαν
- πανεπιστήμιο
- απαράμιλλος
- μέχρι
- αποκαλυπτήρια
- ενημερώθηκε
- ενημερώσεις
- ενημέρωση
- us
- χρηστικότητα
- Χρήση
- χρήση
- περίπτωση χρήσης
- μεταχειρισμένος
- Χρήστες
- φιλική προς το χρήστη
- Χρήστες
- χρησιμοποιεί
- χρησιμοποιώντας
- επικύρωση
- Αξίες
- ποικιλία
- διάφορα
- επιχείρηση
- εκδοχή
- Δες
- Πραγματικός
- Εικονική πραγματικότητα
- όραμα
- Επίσκεψη
- οπτικές
- οπτικά μέσα
- τόμος
- walk
- θέλω
- εγγυήσεις
- ήταν
- Δες
- παρακολουθείτε
- Τρόπος..
- τρόπους
- we
- ιστός
- διαδικτυακές υπηρεσίες
- Web-based
- εβδομάδα
- ΛΟΙΠΌΝ
- Wells
- Τι
- Τι είναι
- πότε
- οποτεδήποτε
- αν
- Ποιό
- Ο ΟΠΟΊΟΣ
- ευρύς
- ευρέως
- widget
- θα
- σοφία
- με
- εντός
- χωρίς
- λέξη
- λόγια
- Εργασία
- ροής εργασίας
- εργαζόμενος
- κόσμος
- γράφω
- γραφή
- X
- Υόρκη
- Εσείς
- νέος
- Σας
- τον εαυτό σας
- zephyrnet