Σήμερα είμαστε στην ευχάριστη θέση να ανακοινώσουμε ότι τώρα μπορείτε να πραγματοποιήσετε μετασχηματισμούς παρτίδων με Amazon SageMaker JumpStart μεγάλα γλωσσικά μοντέλα (LLM) για τη δημιουργία κειμένου 2. Οι μετασχηματισμοί παρτίδας είναι χρήσιμοι σε καταστάσεις όπου οι απαντήσεις δεν χρειάζεται να είναι σε πραγματικό χρόνο και επομένως μπορείτε να κάνετε συμπέρασμα μαζικά για μεγάλα σύνολα δεδομένων μαζικά. Για τον μετασχηματισμό παρτίδας, εκτελείται μια εργασία δέσμης που λαμβάνει την εισαγωγή δέσμης ως σύνολο δεδομένων και ένα εκ των προτέρων εκπαιδευμένο μοντέλο και εξάγει προβλέψεις για κάθε σημείο δεδομένων στο σύνολο δεδομένων. Ο μετασχηματισμός παρτίδας είναι οικονομικά αποδοτικός, επειδή σε αντίθεση με τα τελικά σημεία που φιλοξενούνται σε πραγματικό χρόνο που έχουν μόνιμο υλικό, τα συμπλέγματα μετασχηματισμού παρτίδας καταρρίπτονται όταν ολοκληρωθεί η εργασία και επομένως το υλικό χρησιμοποιείται μόνο για τη διάρκεια της ομαδικής εργασίας.
Σε ορισμένες περιπτώσεις χρήσης, τα αιτήματα συμπερασμάτων σε πραγματικό χρόνο μπορούν να ομαδοποιηθούν σε μικρές παρτίδες για ομαδική επεξεργασία για τη δημιουργία απαντήσεων σε πραγματικό χρόνο ή σχεδόν σε πραγματικό χρόνο. Για παράδειγμα, εάν χρειάζεται να επεξεργαστείτε μια συνεχή ροή δεδομένων με χαμηλή καθυστέρηση και υψηλή απόδοση, η επίκληση ενός τερματικού σημείου σε πραγματικό χρόνο για κάθε αίτημα ξεχωριστά θα απαιτούσε περισσότερους πόρους και μπορεί να χρειαστεί περισσότερος χρόνος για την επεξεργασία όλων των αιτημάτων, επειδή η επεξεργασία γίνεται σειριακά . Μια καλύτερη προσέγγιση θα ήταν να ομαδοποιήσετε ορισμένα από τα αιτήματα και να καλέσετε το τελικό σημείο σε πραγματικό χρόνο σε λειτουργία συμπερασμάτων παρτίδας, η οποία επεξεργάζεται τα αιτήματά σας με ένα πέρασμα προς τα εμπρός του μοντέλου και επιστρέφει τη μαζική απάντηση για το αίτημα σε πραγματικό χρόνο ή σχεδόν σε πραγματικό χρόνο . Η καθυστέρηση της απόκρισης θα εξαρτηθεί από το πόσα αιτήματα θα ομαδοποιήσετε μαζί και το μέγεθος της μνήμης παρουσίας, επομένως μπορείτε να συντονίσετε το μέγεθος της παρτίδας ανάλογα με τις απαιτήσεις της επιχείρησής σας για καθυστέρηση και απόδοση. Αυτό το λέμε συμπέρασμα παρτίδας σε πραγματικό χρόνο επειδή συνδυάζει την έννοια της ομαδικής παρτίδας, ενώ εξακολουθεί να παρέχει απαντήσεις σε πραγματικό χρόνο. Με το συμπέρασμα παρτίδας σε πραγματικό χρόνο, μπορείτε να επιτύχετε μια ισορροπία μεταξύ χαμηλής καθυστέρησης και υψηλής απόδοσης, επιτρέποντάς σας να επεξεργάζεστε μεγάλους όγκους δεδομένων έγκαιρα και αποτελεσματικά.
Ο μετασχηματισμός παρτίδας Jumpstart για μοντέλα Generation Text2Text σάς επιτρέπει να περάσετε τις υπερπαραμέτρους παρτίδας μέσω μεταβλητών περιβάλλοντος που αυξάνουν περαιτέρω την απόδοση και ελαχιστοποιούν την καθυστέρηση.
Το JumpStart παρέχει προεκπαιδευμένα μοντέλα ανοιχτού κώδικα για ένα ευρύ φάσμα τύπων προβλημάτων που θα σας βοηθήσουν να ξεκινήσετε με τη μηχανική εκμάθηση (ML). Μπορείτε να εκπαιδεύσετε και να συντονίσετε σταδιακά αυτά τα μοντέλα πριν από την ανάπτυξη. Το JumpStart παρέχει επίσης πρότυπα λύσεων που δημιουργούν υποδομές για περιπτώσεις κοινής χρήσης και εκτελέσιμα παραδείγματα σημειωματάρια για ML με Amazon Sage Maker. Μπορείτε να αποκτήσετε πρόσβαση στα προεκπαιδευμένα μοντέλα, πρότυπα λύσεων και παραδείγματα μέσω της σελίδας προορισμού JumpStart στο Στούντιο Amazon SageMaker. Μπορείτε επίσης να αποκτήσετε πρόσβαση σε μοντέλα JumpStart χρησιμοποιώντας το SageMaker Python SDK.
Σε αυτήν την ανάρτηση, δείχνουμε πώς να χρησιμοποιείτε τα προεκπαιδευμένα τελευταίας τεχνολογίας text2text μοντέλα FLAN T5 από το Hugging Face για μετασχηματισμό παρτίδας και συμπέρασμα παρτίδας σε πραγματικό χρόνο.
Επισκόπηση λύσεων
Το σημειωματάριο που δείχνει μετασχηματισμό παρτίδας προεκπαιδευμένων μοντέλων Text2Text FLAN T5 από Αγκαλιάζοντας το πρόσωπο διαθέσιμο στα παρακάτω Αποθετήριο GitHub. Αυτό το σημειωματάριο χρησιμοποιεί δεδομένα από το πρόσωπο που αγκαλιάζει cnn_dailymail σύνολο δεδομένων για μια εργασία σύνοψης κειμένου χρησιμοποιώντας το SageMaker SDK.
Τα παρακάτω είναι τα βασικά βήματα για την εφαρμογή μετασχηματισμού παρτίδας και συμπερασμάτων παρτίδας σε πραγματικό χρόνο:
- Ρυθμίστε προαπαιτούμενα.
- Επιλέξτε ένα προεκπαιδευμένο μοντέλο.
- Ανακτήστε αντικείμενα για το μοντέλο.
- Καθορίστε τις υπερπαραμέτρους εργασίας μετασχηματισμού παρτίδας.
- Προετοιμάστε δεδομένα για τον μετασχηματισμό παρτίδας.
- Εκτελέστε την εργασία μετασχηματισμού παρτίδας.
- Αξιολογήστε την περίληψη χρησιμοποιώντας α ΚΟΚΚΙΝΟ (Recall-Oriented Understudy for Gisting Evaluation) βαθμολογία.
- Εκτελέστε συμπέρασμα παρτίδας σε πραγματικό χρόνο.
Ρυθμίστε προαπαιτούμενα
Προτού εκτελέσετε το σημειωματάριο, πρέπει να ολοκληρώσετε ορισμένα αρχικά βήματα εγκατάστασης. Ας ρυθμίσουμε τον ρόλο εκτέλεσης του SageMaker, ώστε να έχει δικαιώματα να εκτελεί υπηρεσίες AWS για λογαριασμό σας:
Επιλέξτε ένα προεκπαιδευμένο μοντέλο
Ως προεπιλεγμένο μοντέλο χρησιμοποιούμε το μοντέλο huggingface-text2text-flan-t5-large. Προαιρετικά, μπορείτε να ανακτήσετε τη λίστα με τα διαθέσιμα μοντέλα Text2Text στο JumpStart και να επιλέξετε το μοντέλο που προτιμάτε. Αυτή η μέθοδος παρέχει έναν απλό τρόπο επιλογής διαφορετικών αναγνωριστικών μοντέλων χρησιμοποιώντας το ίδιο σημειωματάριο. Για λόγους επίδειξης, χρησιμοποιούμε το μοντέλο huggingface-text2text-flan-t5-large:
Ανακτήστε αντικείμενα για το μοντέλο
Με το SageMaker, μπορούμε να κάνουμε συμπεράσματα για το προεκπαιδευμένο μοντέλο, ακόμη και χωρίς να το ρυθμίσουμε πρώτα σε ένα νέο σύνολο δεδομένων. Ξεκινάμε με την ανάκτηση του deploy_image_uri
, deploy_source_uri
, να model_uri
για το προεκπαιδευμένο μοντέλο:
Καθορίστε τις υπερπαραμέτρους εργασίας μετασχηματισμού παρτίδας
Μπορείτε να μεταβιβάσετε οποιοδήποτε υποσύνολο υπερπαραμέτρων ως μεταβλητές περιβάλλοντος στην εργασία μετασχηματισμού παρτίδας. Μπορείτε επίσης να μεταβιβάσετε αυτές τις υπερπαράμετρους σε ένα ωφέλιμο φορτίο JSON. Ωστόσο, εάν ορίζετε μεταβλητές περιβάλλοντος για υπερπαραμέτρους όπως δείχνει ο παρακάτω κώδικας, τότε οι σύνθετες υπερπαράμετροι από τα μεμονωμένα παραδείγματα στο ωφέλιμο φορτίο των γραμμών JSON δεν θα χρησιμοποιηθούν. Εάν θέλετε να χρησιμοποιήσετε υπερπαράμετρους από το ωφέλιμο φορτίο, μπορεί να θέλετε να ορίσετε το hyper_params_dict
Η παράμετρος είναι μηδενική.
Προετοιμάστε δεδομένα για μετασχηματισμό παρτίδας
Τώρα είμαστε έτοιμοι να φορτώσουμε το cnn_dailymail σύνολο δεδομένων από το Hugging Face:
Προχωράμε σε κάθε καταχώριση δεδομένων και δημιουργούμε τα δεδομένα εισόδου στην απαιτούμενη μορφή. Δημιουργούμε ένα articles.jsonl
αρχείο ως αρχείο δεδομένων δοκιμής που περιέχει άρθρα που πρέπει να συνοψιστούν ως ωφέλιμο φορτίο εισόδου. Καθώς δημιουργούμε αυτό το αρχείο, προσαρτούμε την προτροπή "Briefly summarize this text:"
σε κάθε γραμμή εισόδου δοκιμής. Εάν θέλετε να έχετε διαφορετικές υπερπαράμετρους για κάθε είσοδο δοκιμής, μπορείτε να προσαρτήσετε αυτές τις υπερπαράμετρους ως μέρος της δημιουργίας του συνόλου δεδομένων.
Δημιουργούμε highlights.jsonl
ως το αρχείο βασικής αλήθειας που περιέχει τα κυριότερα σημεία κάθε άρθρου που είναι αποθηκευμένο στο αρχείο δοκιμής articles.jsonl
. Αποθηκεύουμε και τα δύο δοκιμαστικά αρχεία σε ένα Απλή υπηρεσία αποθήκευσης Amazon (Amazon S3) κάδος. Δείτε τον παρακάτω κώδικα:
Εκτελέστε την εργασία μετασχηματισμού παρτίδας
Όταν ξεκινάτε μια εργασία μαζικής μετατροπής, το SageMaker εκκινεί τους απαραίτητους υπολογιστικούς πόρους για την επεξεργασία των δεδομένων, συμπεριλαμβανομένων των παρουσιών CPU ή GPU ανάλογα με τον επιλεγμένο τύπο παρουσίας. Κατά τη διάρκεια της εργασίας μετασχηματισμού παρτίδας, το SageMaker παρέχει αυτόματα και διαχειρίζεται τους υπολογιστικούς πόρους που απαιτούνται για την επεξεργασία των δεδομένων, συμπεριλαμβανομένων των παρουσιών, της αποθήκευσης και των πόρων δικτύωσης. Όταν ολοκληρωθεί η εργασία μετασχηματισμού παρτίδας, οι υπολογιστικοί πόροι καθαρίζονται αυτόματα από το SageMaker. Αυτό σημαίνει ότι οι παρουσίες και η αποθήκευση που χρησιμοποιούνται κατά τη διάρκεια της εργασίας διακόπτονται και αφαιρούνται, απελευθερώνοντας πόρους και ελαχιστοποιώντας το κόστος. Δείτε τον παρακάτω κώδικα:
Το παρακάτω είναι ένα παράδειγμα εγγραφής από το articles.jsonl
αρχείο δοκιμής. Σημειώστε ότι η εγγραφή σε αυτό το αρχείο έχει ένα αναγνωριστικό που ταιριάζει με predict.jsonl
εγγραφές αρχείου που εμφανίζει μια συνοπτική εγγραφή ως έξοδο από το μοντέλο Hugging Face Text2Text. Ομοίως, το αρχείο αληθείας βάσης έχει επίσης ένα αντίστοιχο αναγνωριστικό για την εγγραφή δεδομένων. Το αναγνωριστικό που ταιριάζουν στο αρχείο δοκιμής, το αρχείο αλήθειας γείωσης και το αρχείο εξόδου επιτρέπει τη σύνδεση των εγγραφών εισόδου με τις εγγραφές εξόδου για εύκολη ερμηνεία των αποτελεσμάτων.
Ακολουθεί το παράδειγμα εγγραφής εισόδου που παρέχεται για σύνοψη:
Ακολουθεί το προβλεπόμενο αποτέλεσμα με περίληψη:
Ακολουθεί η σύνοψη της βασικής αλήθειας για σκοπούς αξιολόγησης του μοντέλου:
Στη συνέχεια, χρησιμοποιούμε τη βασική αλήθεια και τα προβλεπόμενα αποτελέσματα για την αξιολόγηση του μοντέλου.
Αξιολογήστε το μοντέλο χρησιμοποιώντας μια βαθμολογία ROUGE¶
ΚΟΚΚΙΝΟ, ή Recall-Oriented Understudy for Gisting Evaluation, είναι ένα σύνολο μετρήσεων και ένα πακέτο λογισμικού που χρησιμοποιείται για την αξιολόγηση της αυτόματης σύνοψης και της αυτόματης μετάφρασης στην επεξεργασία φυσικής γλώσσας. Οι μετρήσεις συγκρίνουν μια σύνοψη ή μετάφραση που παράγεται αυτόματα με μια περίληψη ή μετάφραση αναφοράς (ανθρώπινη παραγωγή) ή ένα σύνολο αναφορών.
Στον παρακάτω κώδικα, συνδυάζουμε τις προβλεπόμενες και τις αρχικές περιλήψεις ενώνοντάς τις στο κοινό κλειδί id
και χρησιμοποιήστε αυτό για να υπολογίσετε τη βαθμολογία ROUGE:
Εκτελέστε συμπέρασμα παρτίδας σε πραγματικό χρόνο
Στη συνέχεια, σας δείχνουμε πώς να εκτελείτε συμπεράσματα παρτίδας σε πραγματικό χρόνο στο τελικό σημείο παρέχοντας τις εισόδους ως λίστα. Χρησιμοποιούμε το ίδιο αναγνωριστικό μοντέλου και το ίδιο σύνολο δεδομένων όπως προηγουμένως, εκτός από το ότι παίρνουμε μερικές εγγραφές από το δοκιμαστικό σύνολο δεδομένων και τις χρησιμοποιούμε για να καλέσουμε ένα τελικό σημείο σε πραγματικό χρόνο.
Ο ακόλουθος κώδικας δείχνει πώς να δημιουργήσετε και να αναπτύξετε ένα τελικό σημείο σε πραγματικό χρόνο για συμπέρασμα παρτίδων σε πραγματικό χρόνο:
Στη συνέχεια, προετοιμάζουμε το ωφέλιμο φορτίο εισόδου. Για αυτό, χρησιμοποιούμε τα δεδομένα που ετοιμάσαμε νωρίτερα και εξάγουμε τις πρώτες 10 εισόδους δοκιμής και προσθέτουμε τις εισόδους κειμένου με υπερπαραμέτρους που θέλουμε να χρησιμοποιήσουμε. Παρέχουμε αυτό το ωφέλιμο φορτίο σε πραγματικό χρόνο invoke_endpoint
. Το ωφέλιμο φορτίο απόκρισης επιστρέφεται στη συνέχεια ως λίστα απαντήσεων. Δείτε τον παρακάτω κώδικα:
εκκαθάριση
Αφού δοκιμάσετε το τελικό σημείο, βεβαιωθείτε ότι διαγράψατε το τελικό σημείο συμπερασμάτων SageMaker και διαγράψατε το μοντέλο για να αποφύγετε χρεώσεις.
Συμπέρασμα
Σε αυτό το σημειωματάριο, πραγματοποιήσαμε έναν μετασχηματισμό παρτίδας για να παρουσιάσουμε το μοντέλο Hugging Face Text2Text Generator για εργασίες σύνοψης. Ο μετασχηματισμός παρτίδας είναι πλεονεκτικός για τη λήψη συμπερασμάτων από μεγάλα σύνολα δεδομένων χωρίς να απαιτείται ένα μόνιμο τελικό σημείο. Συνδέσαμε τις εγγραφές εισόδου με συμπεράσματα για να βοηθήσουμε στην ερμηνεία των αποτελεσμάτων. Χρησιμοποιήσαμε τη βαθμολογία ROUGE για να συγκρίνουμε τη σύνοψη δεδομένων δοκιμής με τη σύνοψη που δημιουργήθηκε από το μοντέλο.
Επιπλέον, επιδείξαμε συμπέρασμα δέσμης σε πραγματικό χρόνο, όπου μπορείτε να στείλετε μια μικρή παρτίδα δεδομένων σε ένα τελικό σημείο σε πραγματικό χρόνο για να επιτύχετε μια ισορροπία μεταξύ του λανθάνοντος χρόνου και της απόδοσης για σενάρια όπως τα δεδομένα εισόδου ροής. Το συμπέρασμα παρτίδας σε πραγματικό χρόνο βοηθά στην αύξηση της απόδοσης για αιτήματα σε πραγματικό χρόνο.
Δοκιμάστε τον μετασχηματισμό παρτίδας με τα μοντέλα Text2Text Generation στο SageMaker σήμερα και πείτε μας τα σχόλιά σας!
Σχετικά με τους συγγραφείς
Χέμαντ Σινγκ είναι Μηχανικός Μηχανικής Μάθησης με εμπειρία στους ενσωματωμένους αλγόριθμους Amazon SageMaker JumpStart και Amazon SageMaker. Πήρε το μεταπτυχιακό του από το Courant Institute of Mathematical Sciences και το B.Tech από το IIT Delhi. Έχει εμπειρία στην εργασία σε ένα ευρύ φάσμα προβλημάτων μηχανικής μάθησης στον τομέα της επεξεργασίας φυσικής γλώσσας, της όρασης υπολογιστή και της ανάλυσης χρονοσειρών.
Rachna Chadha είναι 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.
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.
- PlatoAiStream. Web3 Data Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
- Minting the Future με την Adryenn Ashley. Πρόσβαση εδώ.
- Αγορά και πώληση μετοχών σε εταιρείες PRE-IPO με το PREIPO®. Πρόσβαση εδώ.
- πηγή: https://aws.amazon.com/blogs/machine-learning/perform-batch-transforms-with-amazon-sagemaker-jumpstart-text2text-generation-large-language-models/
- :έχει
- :είναι
- :δεν
- :που
- $UP
- 000
- 1
- 10
- 100
- 11
- 13
- 14
- 20
- 2014
- 50
- 7
- 8
- 9
- a
- Ικανός
- Σχετικα
- πάνω από
- αποδοχή
- αποδεκτές
- πρόσβαση
- Σύμφωνα με
- Λογαριασμοί
- Κατορθώνω
- Αποκτά
- απέναντι
- ενεργειών
- ενεργός
- προηγμένες
- επωφελής
- κατά
- AI
- AI / ML
- Ενισχύσεις
- αλγόριθμοι
- Όλα
- υποτιθεμένος
- επιτρέπει
- Επίσης
- Amazon
- Amazon Sage Maker
- Amazon SageMaker JumpStart
- Amazon υπηρεσίες Web
- an
- ανάλυση
- και
- Ανακοινώστε
- κάθε
- api
- εφαρμοσμένος
- πλησιάζω
- ΕΙΝΑΙ
- γύρω
- άρθρο
- εμπορεύματα
- AS
- At
- Προσπάθειες
- εξουσία
- Αυτόματο
- αυτομάτως
- διαθέσιμος
- αποφύγετε
- AWS
- Υπόλοιπο
- βάση
- βασίζονται
- BE
- έγινε
- επειδή
- γίνεται
- πριν
- είναι
- Πιστεύω
- πιστεύει
- Βενιαμίν
- Καλύτερα
- μεταξύ
- σώμα
- και οι δύο
- Δυο πλευρες
- όρια
- εν συντομία
- φέρω
- Φέρνει
- ενσωματωμένο
- επιχείρηση
- αλλά
- by
- κλήση
- CAN
- δεν μπορώ
- περιπτώσεις
- Αιτία
- φορτία
- Επιλέξτε
- τάξη
- πελάτης
- πιο κοντά
- CNN
- κωδικός
- συνδυασμός
- συνδυάζει
- συνδυάζοντας
- Ελάτε
- δεσμεύσεις
- δεσμεύεται
- Κοινός
- συγκρίνουν
- πλήρης
- Υπολογίστε
- υπολογιστή
- Computer Vision
- έννοια
- Διεξαγωγή
- συνέδρια
- Δοχείο
- ΣΥΝΕΧΕΙΑ
- συνεχής
- συνέβαλε
- Κόστος
- αποδοτική
- θα μπορούσε να
- ο ΣΥΝΗΓΟΡΟΣ
- αντιπαραγωγική
- χώρες
- Δικαστήριο
- δημιουργία
- δημιουργία
- Εγκλήματα
- εγκληματίας
- ημερομηνία
- εισαγωγή δεδομένων
- σύνολα δεδομένων
- νεκρός
- απόφαση
- Προεπιλογή
- Δελχί
- αποδεικνύουν
- κατέδειξε
- Τμήμα
- Σε συνάρτηση
- παρατάσσω
- ανάπτυξη
- περιγράφεται
- Προσδιορίστε
- ανάπτυξη
- Ανάπτυξη
- διαφέρω
- διαφορές
- διαφορετικές
- κατευθύνει
- διάφορα
- do
- Λιμενεργάτης
- τομέα
- γίνεται
- Μην
- Θύρα
- κάτω
- διάρκεια
- κατά την διάρκεια
- κάθε
- Νωρίτερα
- Ανατολή
- εύκολος
- Οικονομικός
- αποτελεσματικός
- προσπάθειες
- επιλέξιμες
- ενεργοποίηση
- τέλος
- Τελικό σημείο
- μηχανικός
- εξασφαλίζω
- Εισέρχεται
- καταχώριση
- Περιβάλλον
- Εποχή
- ηθικά
- αξιολογήσει
- αξιολογώντας
- εκτίμηση
- Even
- απόδειξη
- παράδειγμα
- παραδείγματα
- Εκτός
- ενθουσιασμένοι
- εκτέλεση
- εμπειρία
- εκχύλισμα
- Πρόσωπο
- πίστη
- οικογένεια
- λίγοι
- Αρχεία
- Αρχεία
- Όνομα
- Εξής
- Για
- Δύναμη
- ξένος
- επίσημος
- Επίσημα
- μορφή
- Προς τα εμπρός
- ιδρύοντας
- από
- πλήρη
- περαιτέρω
- μελλοντικός
- γενεά
- γεννήτρια
- παίρνω
- δίνει
- Go
- Στόχοι
- Κυβέρνηση
- GPU
- μεγαλύτερη
- Έδαφος
- Group
- υλικού
- Έχω
- he
- βοήθεια
- βοηθά
- αυτήν
- εδώ
- Ψηλά
- ανταύγειες
- του
- φιλοξενείται
- Πως
- Πώς να
- Ωστόσο
- HTML
- http
- HTTPS
- Πρόσωπο αγκαλιάς
- ανθρώπινος
- τα ανθρώπινα δικαιώματα
- Ανθρωπότητα
- ID
- ids
- if
- Ιλλινόις
- εικόνα
- αμέσως
- εκτελεστικών
- εισαγωγή
- βελτίωση
- in
- περιλαμβάνουν
- Συμπεριλαμβανομένου
- Αυξάνουν
- ανεξαρτησία
- ατομικές
- Μεμονωμένα
- πληροφορίες
- Υποδομή
- αρχικός
- αδικία
- εισαγωγή
- είσοδοι
- έρευνα
- παράδειγμα
- αντί
- Ινστιτούτο
- International
- ερμηνεία
- σε
- διερευνήσει
- έρευνα
- Διερευνήσεις
- Ισραήλ
- IT
- ΤΟΥ
- Ιανουάριος
- Δουλειά
- ενταχθούν
- ενώνει
- jpg
- json
- δικαστής
- Ιούνιος
- δικαιοδοσία
- μόλις
- Δικαιοσύνη
- Κλειδί
- Ξέρω
- προσγείωση
- Γλώσσα
- large
- Επίθετο
- Αφάνεια
- αργότερα
- ξεκινάει
- μάθηση
- αριστερά
- ας
- αβασάνιστα
- Μου αρέσει
- συμπαθεί
- γραμμή
- γραμμές
- συνδέονται
- σύνδεση
- Λιστα
- Ακούγοντας
- φορτίο
- Μακριά
- πλέον
- Χαμηλός
- μηχανή
- μάθηση μηχανής
- κάνω
- Κατασκευή
- διαχειρίζεται
- τρόπος
- πολοί
- μαρκαρισμένος
- συμφωνημένα
- ταιριάζουν
- μαθηματικός
- Ενδέχεται..
- μέσα
- μέλος
- Μέλη
- ιδιότητα του μέλους
- Μνήμη
- μέθοδος
- Metrics
- ελαχιστοποιώντας
- ML
- Τρόπος
- μοντέλο
- μοντέλα
- Μηνας
- περισσότερο
- μετακινήσετε
- Μουσική
- πρέπει
- όνομα
- Φυσικό
- Επεξεργασία φυσικής γλώσσας
- απαραίτητος
- Ανάγκη
- διαπραγματεύσεις
- κανενα απο τα δυο
- Ολλανδία
- δικτύωσης
- Νέα
- νέα
- Δελτίο Τύπου
- σημειωματάριο
- τώρα
- αντικείμενο
- την απόκτηση
- of
- Office
- Επίσημα
- on
- ONE
- αποκλειστικά
- ανοίξτε
- ανοικτού κώδικα
- άνοιξε
- εναντιώνομαι
- αντίθετος
- or
- πρωτότυπο
- OS
- δικός μας
- έξω
- παραγωγή
- επί
- πακέτο
- σελίδα
- Παλαιστίνη
- χαρτιά
- παράμετρος
- παράμετροι
- μέρος
- κόμμα
- passieren
- μονοπάτι
- Λιθόστρωση
- ειρήνη
- People
- Εκτελέστε
- δικαιώματα
- Πλάτων
- Πληροφορία δεδομένων Plato
- Πλάτωνα δεδομένα
- σας παρακαλούμε
- Σημείο
- δυνατός
- Θέση
- προβλέψει
- προβλεπόμενη
- πρόβλεψη
- Προβλέψεις
- Predictor
- προτιμάται
- Προετοιμάστε
- έτοιμος
- προαπαιτούμενα
- πρόεδρος
- χυτρα
- Ακμή
- πρωθυπουργός
- Κύριος
- Πρόβλημα
- προβλήματα
- διαδικασια μας
- Διεργασίες
- μεταποίηση
- Παράγεται
- ευημερία
- παρέχουν
- παρέχεται
- παρέχει
- χορήγηση
- δημοσιεύθηκε
- σκοποί
- Python
- σειρά
- έτοιμος
- πραγματικός
- σε πραγματικό χρόνο
- ρεκόρ
- αρχεία
- αναφορές
- αναφέρεται
- απελευθερώνουν
- Καταργήθηκε
- ΚΑΤ 'ΕΠΑΝΑΛΗΨΗ
- αναφέρουν
- ζητήσει
- αιτήματα
- απαιτούν
- απαιτείται
- απαιτήσεις
- ερευνητής
- Υποστηρικτικό υλικό
- απάντησης
- απαντήσεις
- ευθυνών
- υπεύθυνος
- αποτέλεσμα
- Αποτελέσματα
- απόδοση
- Επιστροφές
- ανασκόπηση
- δικαιώματα
- Ρόλος
- Ρώμη
- ΣΕΙΡΑ
- τρέξιμο
- s
- σοφός
- Συμπεράσματα SageMaker
- Είπε
- ίδιο
- ρητό
- σενάρια
- ΕΠΙΣΤΗΜΕΣ
- Επιστήμονας
- σκορ
- SDK
- δείτε
- αναζήτηση
- επιλέγονται
- στείλετε
- αρχαιότερος
- Σειρές
- Υπηρεσίες
- σειρά
- τον καθορισμό
- setup
- Shared
- αυτή
- θα πρέπει να
- δείχνουν
- βιτρίνα
- Δείχνει
- Πλευρές
- υπογραφεί
- Ομοίως
- Απλούς
- αφού
- κατάσταση
- καταστάσεων
- Μέγεθος
- small
- So
- Μ.Κ.Δ
- Κοινωνία
- λογισμικό
- λύση
- Λύσεις
- μερικοί
- μιλούν
- ομιλία
- Δαπάνες
- Εκκίνηση
- ξεκίνησε
- Κατάσταση
- Στέιτ Ντιπάρτμεντ
- state-of-the-art
- Δήλωση
- Μελών
- στατιστικός
- Βήμα
- Βήματα
- Ακόμη
- σταμάτησε
- χώρος στο δίσκο
- κατάστημα
- αποθηκεύονται
- ειλικρινής
- Στρατηγική
- μετάδοση
- ροής
- δυνατά
- θέμα
- συνοψίζω
- ΠΕΡΙΛΗΨΗ
- καλοκαίρι
- υποστήριξη
- Πάρτε
- λαμβάνεται
- παίρνει
- Έργο
- εργασίες
- tech
- πρότυπα
- εδάφη
- επικράτεια
- δοκιμή
- από
- ότι
- Η
- οι πληροφορίες
- Κάτω Χώρες
- Το κράτος
- ο κόσμος
- τους
- Τους
- τότε
- επομένως
- Αυτοί
- αυτοί
- αυτό
- εκείνοι
- Μέσω
- διακίνηση
- ώρα
- Χρονική σειρά
- προς την
- σήμερα
- μαζι
- σχισμένο
- προς
- Τρένο
- Μεταμορφώστε
- μετασχηματιστής
- μετασχηματισμών
- Μετάφραση
- αληθής
- Αλήθεια
- τύπος
- τύποι
- Υπονομεύω
- Ενωμένος
- United States
- Παγκόσμιος
- πανεπιστήμιο
- διαφορετικός
- Ανέβασμα
- επάνω σε
- us
- χρήση
- μεταχειρισμένος
- χρησιμοποιώντας
- Vice President
- όραμα
- όγκους
- W
- θέλω
- πόλεμος
- ήταν
- Δες
- Τρόπος..
- we
- ιστός
- διαδικτυακές υπηρεσίες
- Τετάρτη
- καλωσόρισμα
- εξέφρασε την ικανοποίησή του
- ΛΟΙΠΌΝ
- Τι
- πότε
- αν
- Ποιό
- ενώ
- Ο ΟΠΟΊΟΣ
- ευρύς
- Ευρύ φάσμα
- θα
- με
- εντός
- χωρίς
- εργαζόμενος
- κόσμος
- θα
- Εσείς
- Σας
- zephyrnet