आज, हम यह घोषणा करते हुए उत्साहित हैं कि जेम्ना मॉडल अब ग्राहकों के उपयोग के लिए उपलब्ध है अमेज़न SageMaker जम्पस्टार्ट. जेम्मा का एक परिवार है भाषा मॉडल Google के जेमिनी मॉडल पर आधारित, टेक्स्ट के 6 ट्रिलियन टोकन तक प्रशिक्षित। जेम्मा परिवार में दो आकार होते हैं: एक 7 बिलियन पैरामीटर मॉडल और एक 2 बिलियन पैरामीटर मॉडल। अब, आप Gemma 2B और Gemma 7B पूर्व-प्रशिक्षित और निर्देश-ट्यून किए गए मॉडल का उपयोग कर सकते हैं सेजमेकर जम्पस्टार्ट. जम्पस्टार्ट, सेजमेकर का मशीन लर्निंग (एमएल) हब है जो बिल्ट-इन एल्गोरिदम और एंड-टू-एंड सॉल्यूशन टेम्प्लेट के अलावा फाउंडेशन मॉडल तक पहुंच प्रदान करता है ताकि आपको एमएल के साथ जल्दी से शुरुआत करने में मदद मिल सके।
इस पोस्ट में, हम जेम्मा मॉडल को तैनात करने और सेजमेकर जम्पस्टार्ट में आपके उपयोग के मामलों के लिए इसे ठीक करने के तरीके के बारे में जानेंगे। संपूर्ण नोटबुक यहां उपलब्ध है GitHub.
जेम्मा मॉडल
जेम्ना हल्के वज़न का, अत्याधुनिक परिवार है मॉडल इसे बनाने के लिए उपयोग किए गए उसी अनुसंधान और तकनीक से निर्मित किया गया है मिथुन राशि मॉडल। Google DeepMind और Google की अन्य टीमों द्वारा विकसित, जेम्मा जेमिनी से प्रेरित है। जेम्मा टेक्स्ट डोमेन में मजबूत सामान्यवादी क्षमताओं और बड़े पैमाने पर अत्याधुनिक समझ और तर्क कौशल का प्रदर्शन करती है। यह प्रश्न उत्तर, सामान्य ज्ञान तर्क, गणित और विज्ञान और कोडिंग सहित विभिन्न डोमेन में समान या बड़े पैमाने के अन्य सार्वजनिक रूप से उपलब्ध मॉडल की तुलना में बेहतर प्रदर्शन प्राप्त करता है। जेम्मा ने जेम्मा मॉडल का उपयोग करके डेवलपर नवाचार का समर्थन करने के लिए मॉडल वेट जारी किया। जेम्मा को एक नए के साथ लॉन्च किया गया था जिम्मेदार जनरेटिव एआई टूलकिट जो जेम्मा के साथ सुरक्षित एआई एप्लिकेशन बनाने के लिए मार्गदर्शन और आवश्यक उपकरण प्रदान करता है।
सैजमेकर में फाउंडेशन मॉडल
जम्पस्टार्ट हगिंग फेस, पायटॉर्च हब और टेन्सरफ्लो हब सहित लोकप्रिय मॉडल हब से मॉडल की एक श्रृंखला तक पहुँच प्रदान करता है, जिसका उपयोग आप SageMaker में अपने ML डेवलपमेंट वर्कफ़्लो में कर सकते हैं। एमएल में हालिया प्रगति ने मॉडल के एक नए वर्ग को जन्म दिया है जिसे जाना जाता है नींव मॉडल, जो आम तौर पर अरबों मापदंडों पर प्रशिक्षित होते हैं और उपयोग के मामलों की एक विस्तृत श्रेणी के अनुकूल होते हैं, जैसे कि पाठ सारांश, डिजिटल कला उत्पन्न करना और भाषा अनुवाद। क्योंकि ये मॉडल प्रशिक्षित करने के लिए महंगे हैं, ग्राहक इन मॉडलों को स्वयं प्रशिक्षित करने के बजाय मौजूदा पूर्व-प्रशिक्षित फाउंडेशन मॉडल का उपयोग करना चाहते हैं और आवश्यकतानुसार उन्हें ठीक करना चाहते हैं। SageMaker उन मॉडलों की एक क्यूरेटेड सूची प्रदान करता है जिन्हें आप SageMaker कंसोल से चुन सकते हैं।
अब आप जम्पस्टार्ट के भीतर विभिन्न मॉडल प्रदाताओं से फाउंडेशन मॉडल पा सकते हैं, जिससे आप फाउंडेशन मॉडल के साथ जल्दी से शुरुआत कर सकेंगे। आप विभिन्न कार्यों या मॉडल प्रदाताओं के आधार पर फाउंडेशन मॉडल पा सकते हैं, और मॉडल विशेषताओं और उपयोग की शर्तों की समीक्षा कर सकते हैं। आप परीक्षण यूआई विजेट का उपयोग करके भी इन मॉडलों को आज़मा सकते हैं। जब आप बड़े पैमाने पर फाउंडेशन मॉडल का उपयोग करना चाहते हैं, तो आप मॉडल प्रदाताओं से पूर्व-निर्मित नोटबुक का उपयोग करके सेजमेकर को छोड़े बिना ऐसा कर सकते हैं। क्योंकि मॉडल AWS पर होस्ट और तैनात किए जाते हैं, आपका डेटा, चाहे मॉडल का मूल्यांकन करने के लिए या बड़े पैमाने पर उपयोग करने के लिए उपयोग किया जाता है, कभी भी तीसरे पक्ष के साथ साझा नहीं किया जाता है।
आइए जानें कि आप जम्पस्टार्ट में लामा गार्ड मॉडल का उपयोग कैसे कर सकते हैं।
जम्पस्टार्ट में जेम्मा मॉडल का अन्वेषण करें
आप सेजमेकर स्टूडियो यूआई और सेजमेकर पायथन एसडीके में सेजमेकर जम्पस्टार्ट के माध्यम से जेम्मा फाउंडेशन मॉडल तक पहुंच सकते हैं। इस अनुभाग में, हम सेजमेकर स्टूडियो में मॉडलों की खोज कैसे करें, इसके बारे में जानेंगे।
सेजमेकर स्टूडियो एक एकीकृत विकास वातावरण (आईडीई) है जो एकल वेब-आधारित विज़ुअल इंटरफ़ेस प्रदान करता है जहां आप डेटा तैयार करने से लेकर निर्माण, प्रशिक्षण और अपने एमएल मॉडल को तैनात करने तक सभी एमएल विकास चरणों को करने के लिए उद्देश्य-निर्मित टूल तक पहुंच सकते हैं। सेजमेकर स्टूडियो कैसे शुरू करें और स्थापित करें, इसके बारे में अधिक जानकारी के लिए देखें अमेज़ॅन सैजमेकर स्टूडियो.
SageMaker स्टूडियो के लिए AWS प्रबंधन कंसोल में, SageMaker जम्पस्टार्ट के अंतर्गत जाएँ पूर्वनिर्मित और स्वचालित समाधान. जम्पस्टार्ट में पूर्व-प्रशिक्षित मॉडल, नोटबुक और पूर्वनिर्मित समाधान शामिल हैं।
सेजमेकर जम्पस्टार्ट लैंडिंग पृष्ठ पर, आप जेम्मा की खोज करके जेम्मा मॉडल पा सकते हैं।
फिर आप विभिन्न प्रकार के जेम्मा मॉडल वेरिएंट में से चयन कर सकते हैं, जिनमें जेम्मा 2बी, जेम्मा 7बी, जेम्मा 2बी इंस्ट्रक्ट और जेम्मा 7बी इंस्ट्रक्ट शामिल हैं।
मॉडल के बारे में विवरण देखने के लिए मॉडल कार्ड चुनें जैसे कि लाइसेंस, प्रशिक्षण के लिए उपयोग किया जाने वाला डेटा और मॉडल का उपयोग कैसे करें। आपको एक भी मिलेगा तैनाती बटन, जो आपको एक लैंडिंग पृष्ठ पर ले जाता है जहां आप उदाहरण पेलोड के साथ अनुमान का परीक्षण कर सकते हैं।
सेजमेकर पायथन एसडीके के साथ जेम्मा को तैनात करें
आप जंपस्टार्ट पर जेम्मा की तैनाती दिखाने वाला कोड और इसमें तैनात मॉडल का उपयोग कैसे करें इसका एक उदाहरण पा सकते हैं यह GitHub नोटबुक.
जेम्मा को तैनात करते समय उपयोग करने के लिए सेजमेकर मॉडल हब मॉडल आईडी और मॉडल संस्करण का चयन करके प्रारंभ करें।
निम्न तालिका से एक मॉडल आईडी चुनें, जो जम्पस्टार्ट परिनियोजन के लिए डिफ़ॉल्ट कॉन्फ़िगरेशन विकल्पों का विवरण देती है। 256 हजार टोकन के बड़े शब्दावली आकार के कारण, जेम्मा 7बी 10 हजार संदर्भ लंबाई का समर्थन करते समय केवल एक ए1जी जीपीयू पर फिट हो सकता है। इस कारण से, जम्पस्टार्ट जेम्मा 7बी के लिए एक बड़े डिफ़ॉल्ट उदाहरण का उपयोग करता है।
मॉडल आईडी | डिफ़ॉल्ट अनुमान उदाहरण | टेंसर समानांतर डिग्री | समर्थित संदर्भ लंबाई |
हगिंगफेस-एलएलएम-जेम्मा-2बी | ml.g5.xlarge | 1 | 8k |
हगिंगफेस-एलएलएम-जेम्मा-2बी-निर्देश | ml.g5.xlarge | 1 | 8k |
हगिंगफेस-एलएलएम-जेम्मा-7बी | एमएल.g5.12xबड़ा | 4 | 8k |
हगिंगफेस-एलएलएम-जेम्मा-7बी-निर्देश | एमएल.g5.12xबड़ा | 4 | 8k |
अब आप सेजमेकर जम्पस्टार्ट का उपयोग करके मॉडल को तैनात कर सकते हैं। निम्न कोड डिफ़ॉल्ट उदाहरण का उपयोग करता है ml.g5.12xlarge
अनुमान समापन बिंदु के लिए आप पास करके मॉडल को अन्य उदाहरण प्रकारों पर तैनात कर सकते हैं instance_type
में JumpStartModel
कक्षा। तैनाती में 5-10 मिनट लग सकते हैं.
सफल परिनियोजन के लिए, आपको मैन्युअल रूप से बदलना होगा accept_eula
मॉडल की परिनियोजन विधि में तर्क True
. यह मॉडल टेक्स्ट-जेनरेशन-इंफरेंस (टीजीआई) डीप लर्निंग कंटेनर का उपयोग करके तैनात किया गया है।
समापन बिंदु का आह्वान करें
आप प्रोग्रामेटिक रूप से उदाहरण पेलोड पुनर्प्राप्त कर सकते हैं JumpStartModel
वस्तु। इससे आपको पूर्व-स्वरूपित निर्देश संकेतों का अवलोकन करके शुरुआत करने में मदद मिलेगी जिसे जेम्मा ग्रहण कर सकती है।
इससे पहले कि हम विशिष्ट संकेतों पर गौर करें, आइए जेम्मा इंस्ट्रक्ट मॉडल के लिए चैट टेम्पलेट पर विचार करें।
यहां, आप अपना प्रॉम्प्ट डालें [USER_PROMPT]
जगह। सिस्टम निर्देश के लिए कोई समर्थन नहीं है; इसके बजाय, आप वांछित निर्देश को यूजर प्रॉम्प्ट में जोड़ सकते हैं। इसके अतिरिक्त, यदि आपके पास मल्टी-टर्न वार्तालाप है, तो मॉडल प्रॉम्प्ट आवश्यकतानुसार उपयोगकर्ता और सहायक के बीच वैकल्पिक हो सकता है।
अब कुछ निर्देश उदाहरण संकेतों पर विचार करें। यहां, आप जेम्मा से हैलो वर्ल्ड प्रोग्राम लिखने के लिए कहते हैं।
निम्नलिखित अपेक्षित आउटपुट है:
इसके बाद, कविता लिखने के रचनात्मक कार्य के लिए जेम्मा का आह्वान करें।
निम्नलिखित आउटपुट है:
यह बहुत अच्छा लग रहा है!
अब, आइए डिफ़ॉल्ट जम्पस्टार्ट परिनियोजन कॉन्फ़िगरेशन के साथ मॉडल सर्विंग के लिए विलंबता और थ्रूपुट प्रदर्शन बेंचमार्किंग देखें। यहां, हम दिखाते हैं कि आपके विशिष्ट समापन बिंदु कार्यभार के लिए मॉडल का प्रदर्शन कैसे भिन्न हो सकता है। निम्नलिखित तालिकाओं में, आप देख सकते हैं कि छोटे आकार के प्रश्न (256 इनपुट शब्द और 256 आउटपुट टोकन) बड़ी संख्या में समवर्ती उपयोगकर्ताओं के तहत काफी प्रदर्शन कर रहे हैं, प्रति सेकंड एक हजार से दो हजार टोकन के क्रम पर टोकन थ्रूपुट तक पहुंचते हैं। हालाँकि, जैसे-जैसे इनपुट शब्दों की संख्या जेम्मा की आठ हजार टोकन की अधिकतम समर्थित संदर्भ लंबाई के करीब पहुंचती है, उदाहरण मेमोरी-बाउंड बाधाओं के कारण समापन बिंदु इसकी बैचिंग क्षमता - एक साथ संसाधित होने की अनुमति देने वाले समवर्ती अनुरोधों की संख्या - को संतृप्त करता है।
इस जानकारी पर विचार करने और अपने विशिष्ट उपयोग के मामले के लिए परिनियोजन कॉन्फ़िगरेशन को समायोजित करने के तरीके के बारे में अधिक जानकारी के लिए देखें अमेज़ॅन सेजमेकर जम्पस्टार्ट में एंडपॉइंट परिनियोजन को बेंचमार्क और अनुकूलित करें.
. | थ्रूपुट (टोकन/एस) | ||||||||||
संयुक्त उपयोगकर्ता | 1 | 2 | 4 | 8 | 16 | 32 | 64 | 128 | |||
आदर्श | उदाहरण प्रकार | इनपुट शब्द | आउटपुट टोकन | . | . | . | . | . | . | . | . |
जेम्मा-2बी-निर्देश | 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 | - | - | ||
जेम्मा-7बी-निर्देश | एमएल.g5.12xबड़ा | 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 | - | - | - |
. | P50 विलंबता (एमएस/टोकन) | ||||||||||
संयुक्त उपयोगकर्ता | 1 | 2 | 4 | 8 | 16 | 32 | 64 | 128 | |||
आदर्श | उदाहरण प्रकार | इनपुट शब्द | आउटपुट टोकन | . | . | . | . | . | . | . | . |
जेम्मा-2बी-निर्देश | 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 | - | - | ||
जेम्मा-7बी-निर्देश | एमएल.g5.12xबड़ा | 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 | - | - | - |
सेजमेकर पायथन एसडीके का उपयोग करके जेम्मा को फाइन-ट्यून करें
इसके बाद, हम आपको दिखाते हैं कि संवादी-स्वरूपित डेटासेट पर जेम्मा 7बी निर्देश मॉडल को कैसे ठीक किया जाए QLoRA तकनीक. जैसा कि पहले उल्लेख किया गया है, 256 हजार के बड़े शब्दावली आकार और 8 हजार संदर्भ लंबाई के कारण, जम्पस्टार्ट QLoRA फाइन-ट्यूनिंग के लिए निम्नलिखित डिफ़ॉल्ट कॉन्फ़िगरेशन प्रदान करता है।
मॉडल आईडी | डिफ़ॉल्ट प्रशिक्षण उदाहरण | अधिकतम इनपुट अनुक्रम लंबाई | प्रति डिवाइस प्रशिक्षण बैच आकार | क्रमिक संचय चरण |
हगिंगफेस-एलएलएम-जेम्मा-2बी | एमएल.g5.2xबड़ा | 1024 | 1 | 4 |
हगिंगफेस-एलएलएम-जेम्मा-2बी-निर्देश | एमएल.g5.2xबड़ा | 1024 | 1 | 4 |
हगिंगफेस-एलएलएम-जेम्मा-7बी | एमएल.g5.12xबड़ा | 2048 | 1 | 4 |
हगिंगफेस-एलएलएम-जेम्मा-7बी-निर्देश | एमएल.g5.12xबड़ा | 2048 | 1 | 4 |
आइए डेटासेट को संवादात्मक प्रारूप में लोड और संसाधित करें। इस प्रदर्शन के लिए उदाहरण डेटासेट है OpenAssistant के टॉप-1 वार्तालाप सूत्र.
प्रशिक्षण डेटा JSON लाइनों में तैयार किया जाना चाहिए (.jsonl
) प्रारूप, जहां प्रत्येक पंक्ति वार्तालापों के एक सेट का प्रतिनिधित्व करने वाला एक शब्दकोश है। JSON लाइन्स फ़ाइल का एक उदाहरण नीचे दिखाया गया है। डेटासेट को संसाधित करने के तरीके के विवरण के लिए, नोटबुक देखें GitHub.
प्रशिक्षण स्क्रिप्ट के अंतर्गत, जम्पस्टार्ट हगिंगफेस का उपयोग करता है एसएफटीट्रेनर साथ में QLoRA और फ़्लैश ध्यान. फ्लैश अटेंशन स्केलिंग दक्षता को सक्षम बनाता है, जिससे तेजी से प्रशिक्षण और अनुमान लगाया जा सकता है। चैट-आधारित फाइन-ट्यूनिंग के अलावा, जम्पस्टार्ट QLoRA के साथ निर्देश और डोमेन अनुकूलन फाइन-ट्यूनिंग का भी समर्थन करता है। विवरण के लिए, नोटबुक देखें GitHub.
फाइन-ट्यूनिंग के बाद, आप फाइन-ट्यून किए गए मॉडल को सेजमेकर एंडपॉइंट पर तैनात कर सकते हैं।
आप सेजमेकर एंडपॉइंट में वार्तालाप डेटा पर परिष्कृत मॉडल को तैनात करना चुन सकते हैं हगिंगफेस संदेश एपीआई सुविधा एक वैकल्पिक दृष्टिकोण के रूप में. संदेश एपीआई सुविधा का उपयोग करने का लाभ यह है कि यह उपयोगकर्ताओं को क्वेरी उदाहरणों को कच्चे प्रारूप में पारित करने की अनुमति देता है जैसा कि निम्नलिखित तालिका में दिखाया गया है और एंडपॉइंट के भीतर चैट_टेम्पलेट क्वेरी उदाहरणों को मॉडल में भेजने से पहले उचित प्रारूप में परिवर्तित कर देगा। विवरण के लिए, फ़ाइन-ट्यूनिंग के बाद परिनियोजन अनुभाग देखें नोटबुक.
फाइन-ट्यून किए गए मॉडल को एंडपॉइंट में तैनात करने के बाद, आप पूर्व-प्रशिक्षित और फाइन-ट्यून किए गए जेम्मा मॉडल से आउटपुट प्रतिक्रियाओं की तुलना कर सकते हैं। उदाहरण परीक्षण डेटा से एकत्र किए जाते हैं, जो प्रशिक्षण डेटा से एक होल्ड-आउट सेट है। अनुमान पैरामीटर हैं max_tokens
512 के रूप में, top_p
0.9 के रूप में, temperature
0.4 के रूप में, और top_k
50 के रूप में।
जैसा कि आप बढ़िया ट्यूनिंग परिणामों से देख सकते हैं, एजेंट के उत्तर अधिक सटीक होते हैं।
अपने सुव्यवस्थित मॉडलों का और अधिक मूल्यांकन करने के लिए, आप अन्वेषण कर सकते हैं Amazon SageMaker Clarify के साथ एफएम मूल्यांकन यह देखने के लिए कि आपका बेहतर ट्यून किया गया मॉडल बेस मॉडल की तुलना में कैसा प्रदर्शन करता है।
निविष्टियां | सच्चाई | से प्रतिसाद आधार आदर्श | सुव्यवस्थित मॉडल से प्रतिक्रिया | |
1 |
उपयोगकर्ता: मैं अपनी शब्दावली पर काम करना चाहता हूं, क्या आप मुझे कुछ सरल तरीके बता सकते हैं जिससे मैं अपने वाक्यों की विविधता बढ़ाने के लिए नए शब्द ढूंढ सकूं? सहायक: अवश्य! अपनी शब्दावली में सुधार करना एक सतत प्रक्रिया है, लेकिन नए शब्द खोजने और अपने वाक्यों की विविधता बढ़ाने के कुछ सरल तरीके यहां दिए गए हैं: 1. व्यापक रूप से पढ़ें: विभिन्न शैलियों और विषयों की किताबें, लेख और ब्लॉग पढ़ने से आप नए शब्दों और वाक्यांशों से परिचित होते हैं। आपके सामने आने वाले किसी भी अपरिचित शब्द को नोट करें और उनके अर्थ देखें। 2. थिसॉरस का उपयोग करें: जब भी आप लिखें या पढ़ें, आमतौर पर उपयोग किए जाने वाले शब्दों के पर्यायवाची शब्द खोजने के लिए थिसॉरस का उपयोग करें। इससे न केवल आपको नए शब्द सीखने में मदद मिलती है बल्कि उनके अर्थ में सूक्ष्म अंतर के बारे में आपकी समझ भी बढ़ती है। 3. शब्द-प्रतिदिन कैलेंडर या ऐप्स: शब्द-प्रतिदिन ईमेल की सदस्यता लें या शब्दावली-निर्माण ऐप डाउनलोड करें। ये उपकरण आपको हर दिन एक नए शब्द के साथ उसके अर्थ, उच्चारण और उपयोग के उदाहरणों से परिचित कराते हैं। 4. किसी पुस्तक क्लब या चर्चा समूह में शामिल हों: पुस्तकों, लेखों या किसी अन्य विषय के बारे में बातचीत और चर्चा में शामिल होने से आप विभिन्न दृष्टिकोणों और नई शब्दावली से परिचित होते हैं। दूसरों की बात ध्यान से सुनें और संदर्भ में नए शब्दों का प्रयोग करने का प्रयास करें। 5. शब्द गेम खेलें: स्क्रैबल, बोगल और क्रॉसवर्ड पहेलियाँ जैसे गेम आपके शब्दावली कौशल को चुनौती देते हैं और आपको आनंददायक तरीके से नए शब्द सीखने में मदद करते हैं। 6. फिल्में, टीवी शो या वृत्तचित्र देखें: दृश्य मीडिया अक्सर विविध भाषा, कठबोली और शब्दजाल का उपयोग करता है। उपशीर्षक वाली फिल्में, टीवी शो या वृत्तचित्र देखने से आपको नए शब्दों को बेहतर ढंग से समझने और याद रखने में मदद मिल सकती है। 7. लिखने का अभ्यास करें: नियमित रूप से कहानियाँ, निबंध या जर्नल प्रविष्टियाँ लिखने से आपको नए शब्दों और वाक्यांशों का उपयोग करने के लिए प्रोत्साहित किया जाता है। अपनी शब्दावली का विस्तार करने के लिए विभिन्न लेखन शैलियों और शैलियों के साथ प्रयोग करें। 8. किसी नए शब्द की व्युत्पत्ति सीखें: किसी शब्द की उत्पत्ति और इतिहास को समझने से इसे याद रखना और सही ढंग से उपयोग करना आसान हो सकता है। व्युत्पत्ति पर शोध करने से आपको संबंधित शब्दों और अवधारणाओं का भी पता चलता है। 9. फ़्लैशकार्ड या स्पेस्ड रिपीटिशन सॉफ़्टवेयर का उपयोग करें: नए शब्दों, उनके अर्थ और उदाहरण वाक्यों के साथ फ़्लैशकार्ड बनाएं। नियमित रूप से उनकी समीक्षा करें या अपने सीखने को अनुकूलित करने के लिए अंकी जैसे स्पेस्ड रिपीटिशन सॉफ़्टवेयर का उपयोग करें। 10. व्यक्तिगत लक्ष्य निर्धारित करें: प्राप्त करने योग्य लक्ष्य निर्धारित करें, जैसे प्रति सप्ताह पांच नए शब्द सीखना। अपनी प्रगति पर नज़र रखें और अपने लक्ष्यों को पूरा करने के लिए स्वयं को पुरस्कृत करें। इन रणनीतियों को अपनी दैनिक दिनचर्या में लगातार शामिल करके, आप धीरे-धीरे एक विविध और मजबूत शब्दावली का निर्माण करेंगे। उपयोगकर्ता: हम्म, मुझे पढ़ने का विचार वास्तव में पसंद आया। क्या आप मुझे कोई बढ़िया साइंस-फिक्शन थ्रिलर सुझा सकते हैं जिसे मैं पढ़ सकूं? |
सहायक: अवश्य! यहां साइंस-फिक्शन थ्रिलर के लिए कुछ सिफारिशें दी गई हैं जिनका आप आनंद ले सकते हैं: 1. लियू सिक्सिन द्वारा लिखित "द थ्री-बॉडी प्रॉब्लम" - यह पुरस्कार विजेता उपन्यास मानवता और एक विदेशी सभ्यता के बीच पहले संपर्क और इसके परिणामस्वरूप होने वाले राजनीतिक और व्यक्तिगत प्रभावों की पड़ताल करता है। यह एक मनोरंजक और विचारोत्तेजक पाठ है जो अस्तित्व और ब्रह्मांड की प्रकृति के बारे में गहरे सवालों पर प्रकाश डालता है। 2. जेफ़ वेंडरमीर द्वारा लिखित "एनीहिलेशन" - यह उपन्यास वैज्ञानिकों के एक समूह का अनुसरण करता है जो "एरिया एक्स" नामक एक रहस्यमय क्षेत्र में जाते हैं, जहां उनका सामना अजीब और परेशान करने वाली घटनाओं से होता है। जैसे-जैसे वे क्षेत्र में गहराई से उतरते हैं, वे वास्तविकता की प्रकृति और उनके आसपास की दुनिया के बारे में गहरे रहस्यों को उजागर करना शुरू कर देते हैं। 3. ब्लेक क्राउच द्वारा "डार्क मैटर" - यह उपन्यास जेसन डेसेन नामक एक प्रतिभाशाली भौतिक विज्ञानी पर आधारित है, जिसका अपहरण कर लिया जाता है और उसे एक समानांतर ब्रह्मांड में ले जाया जाता है। जैसे ही वह अपनी वास्तविकता में वापस आने का रास्ता खोजने की कोशिश करता है, उसे अपनी पसंद और अपने कार्यों के परिणामों का सामना करना पड़ता है। 4. माइकल क्रिक्टन द्वारा "द एंड्रोमेडा स्ट्रेन" - यह क्लासिक उपन्यास वैज्ञानिकों की एक टीम का अनुसरण करता है क्योंकि वे पृथ्वी पर आए एक घातक अलौकिक सूक्ष्म जीव को नियंत्रित करने और उसका अध्ययन करने की कोशिश करते हैं। जैसे-जैसे वे सूक्ष्म जीव को बेअसर करने का रास्ता खोजने के लिए समय के खिलाफ दौड़ते हैं, उन्हें राजनीतिक साज़िश और व्यक्तिगत संघर्षों से भी जूझना पड़ता है। 5. अर्नेस्ट क्लाइन द्वारा "रेडी प्लेयर वन" - यह उपन्यास एक डायस्टोपियन भविष्य पर आधारित है जहां अधिकांश आबादी अपना समय एक आभासी वास्तविकता की दुनिया में बिताती है जिसे ओएसिस के नाम से जाना जाता है। जब OASIS के निर्माता की मृत्यु हो जाती है और वह एक छिपे हुए ईस्टर अंडे को खोजने की चुनौती छोड़ जाता है, तो एक युवा नायक एक रोमांचक खोज पर निकलता है जो उसके जीवन को हमेशा के लिए बदल देगा। मुझे आशा है कि इनमें से एक सिफ़ारिश से आपकी रुचि जगेगी! |
सहायक: पाठ में आपकी पढ़ने की प्राथमिकताओं या रुचियों के बारे में जानकारी नहीं है, इसलिए मैं पुस्तक अनुशंसा प्रदान नहीं कर सकता। |
सहायक: निश्चित रूप से, यहां कुछ साइंस-फिक्शन थ्रिलर अनुशंसाएं दी गई हैं जिनका आप आनंद ले सकते हैं: - फ्रैंक हर्बर्ट द्वारा "ड्यून": यह महाकाव्य विज्ञान-फाई उपन्यास अराकिस के रेगिस्तानी ग्रह पर आधारित है, जहां पॉल एटराइड्स नाम के एक युवा राजकुमार को शत्रुतापूर्ण वातावरण और विश्वासघाती राजनीतिक परिदृश्य की चुनौतियों का सामना करना पड़ता है। - एंडी वियर द्वारा "द मार्टियन": यह मनोरंजक विज्ञान-फाई थ्रिलर धूल भरी आंधी के बाद मंगल ग्रह पर फंसे एक अंतरिक्ष यात्री मार्क वॉटनी की कहानी है, जो जीवित रहने और अंततः पृथ्वी पर वापस आने के लिए अपनी सरलता और संसाधनशीलता का उपयोग करता है। - एचजी वेल्स द्वारा "द टाइम मशीन": यह क्लासिक विज्ञान-फाई उपन्यास समय यात्रा की अवधारणा के लिए एक दार्शनिक दृष्टिकोण लेता है, जो अतीत और भविष्य को बदलने के परिणामों की खोज करता है। - फिलिप के. डिक द्वारा "द ब्लेड रनर": भविष्य के लॉस एंजिल्स में स्थापित यह नव-नोयर विज्ञान-फाई उपन्यास, मानव और कृत्रिम बुद्धि के प्रतिच्छेदन और समाज और वास्तविकता की प्रकृति पर इसके प्रभाव की पड़ताल करता है। - आइज़ैक असिमोव द्वारा "द एंड्रॉइड्स": यह विज्ञान-फाई उपन्यास कृत्रिम बुद्धिमत्ता की अवधारणा और इसके संभावित परिणामों की पड़ताल करता है, खासकर जब मनुष्य उन्नत एंड्रॉइड विकसित करते हैं जो पारंपरिक मानवीय मूल्यों और मान्यताओं को चुनौती देते हैं। ये केवल कुछ सुझाव हैं, और अंततः आपके लिए सबसे अच्छी किताब आपकी व्यक्तिगत प्राथमिकताओं पर निर्भर करेगी और आप एक विज्ञान-फाई थ्रिलर में किस तरह के अनुभव की तलाश कर रहे हैं। लेकिन मुझे उम्मीद है कि ये सिफ़ारिशें आपको इस शैली की खोज के लिए एक अच्छा शुरुआती बिंदु देंगी। कृपया मुझे बताएं कि क्या आपके कोई और प्रश्न हैं या कुछ ऐसा है जिसमें मैं आपकी मदद कर सकता हूं। |
2 |
उपयोगकर्ता: VB.NET में एक हैलो वर्ल्ड प्रोग्राम लिखें सहायक: यहाँ आप जाएँ: “`वीबीनेट उपयोगकर्ता: इसे $ से इनपुट लें और फिर "हैलो, वर्ल्ड!" के बजाय "हैलो, $" कहें। |
सहायक: सार्वजनिक मॉड्यूल हैलोवर्ल्ड सार्वजनिक उप मुख्य () System.Console.WriteLine ("आपका नाम क्या है?") स्ट्रिंग के रूप में धुंधला नाम = System.Console.ReadLine() System.Console.WriteLine ("हैलो," और नाम और "!") अंत उप अंत मॉड्यूल |
सहायक: “`vbnet सार्वजनिक मॉड्यूल हैलोवर्ल्ड सार्वजनिक उप मुख्य () स्ट्रिंग के रूप में धुंधला नाम = कंसोल.रीडलाइन() कंसोल.राइटलाइन ("हैलो," और नाम) अंत उप अंत मॉड्यूल |
सहायक: ज़रूर! यहाँ एक उदाहरण है: “`वीबीनेट |
3 |
उपयोगकर्ता: एक बड़े भाषा मॉडल को प्रशिक्षित करने के लिए एक प्रोजेक्ट शुरू करते समय मुझे उन चीजों की एक सूची दें जो मानवीय प्रश्नों को समझ और जवाब दे सकती हैं सहायक: मानवीय पूछताछ को समझने और उसका जवाब देने में सक्षम एक बड़े भाषा मॉडल को प्रशिक्षित करने के लिए प्रोजेक्ट शुरू करते समय उठाए जाने वाले कदमों की एक संक्षिप्त सूची निम्नलिखित है: 1. परियोजना का दायरा और उद्देश्य, लक्षित दर्शक स्थापित करें। इससे आपको एक बुनियादी विचार मिल जाएगा कि आवश्यक कदम क्या हैं। क्या मुझे किसी एक बिंदु पर अधिक विस्तार से जाना चाहिए? उपयोगकर्ता: इन कार्यों को और अधिक विभाजित करने की आवश्यकता है, क्या आप कृपया आगे के कार्यों के अधिक विस्तृत विवरण के साथ एक अद्यतन कार्य सूची प्रदान कर सकते हैं |
सहायक: यहां प्रत्येक चरण का अधिक विस्तृत विवरण दिया गया है: 1. परियोजना का दायरा और उद्देश्य स्थापित करें: परियोजना के लक्ष्यों और लक्षित दर्शक क्या हैं, इसे स्पष्ट रूप से परिभाषित करना महत्वपूर्ण है। इससे आपको यह निर्णय लेने में मदद मिलेगी कि किस प्रकार का डेटा इकट्ठा करना है और कौन सा मॉडल आर्किटेक्चर उपयुक्त है। 2. डेटा इकट्ठा करें और प्रीप्रोसेस करें: यह एक महत्वपूर्ण कदम है क्योंकि डेटा की गुणवत्ता और विविधता सीधे मॉडल के प्रदर्शन को प्रभावित करेगी। प्रीप्रोसेसिंग में डेटा को साफ़ करना, टेक्स्ट को टोकनाइज़ करना और शब्दों को संख्यात्मक प्रतिनिधित्व में परिवर्तित करना शामिल हो सकता है। 3. मॉडल आर्किटेक्चर का चयन करें: चुनने के लिए कई अलग-अलग प्रकार के मॉडल हैं, जिनमें आवर्ती तंत्रिका नेटवर्क (आरएनएन), ट्रांसफार्मर मॉडल और कन्वेन्शनल न्यूरल नेटवर्क (सीएनएन) शामिल हैं। चयन परियोजना की विशिष्ट आवश्यकताओं और उपलब्ध डेटा की मात्रा पर निर्भर करेगा। 4. डेटासेट को विभाजित करें और डेटा संवर्द्धन लागू करें: प्रशिक्षण के दौरान मॉडल के प्रदर्शन की निगरानी के लिए डेटा को प्रशिक्षण, सत्यापन और परीक्षण सबसेट में विभाजित करना महत्वपूर्ण है। डेटा संवर्द्धन का उपयोग डेटासेट के आकार को कृत्रिम रूप से बढ़ाने और मॉडल की मजबूती में सुधार करने के लिए किया जा सकता है। 5. मॉडल को प्रशिक्षित करें और प्रगति की निगरानी करें: इस चरण में प्रगति की निगरानी करने और आवश्यकतानुसार हाइपरपैरामीटर को समायोजित करने के लिए सत्यापन सेट का उपयोग करके प्रशिक्षण डेटा पर मॉडल को प्रशिक्षित करना शामिल है। इस प्रक्रिया को कई बार दोहराना आवश्यक हो सकता है जब तक कि मॉडल सत्यापन सेट पर अच्छा प्रदर्शन न कर रहा हो। 6. परीक्षण सेट पर मॉडल का मूल्यांकन करें: एक बार जब मॉडल प्रशिक्षित हो जाता है, तो उसकी सामान्यीकरण क्षमता का अंदाजा लगाने के लिए एक अलग परीक्षण सेट पर उसके प्रदर्शन का मूल्यांकन करना महत्वपूर्ण है। यह मॉडल की भविष्यवाणियों की वास्तविक परिणामों से तुलना करके और त्रुटियों का विश्लेषण करके किया जा सकता है। 7. विशिष्ट कार्यों या डोमेन के लिए फाइन-ट्यून: इस चरण में किसी विशेष डोमेन के लिए अपने प्रदर्शन को बेहतर बनाने के लिए कार्य-विशिष्ट डेटा पर मॉडल को और अधिक प्रशिक्षित करना शामिल है। यह ट्रांसफर लर्निंग के माध्यम से किया जा सकता है, जहां एक पूर्व-प्रशिक्षित मॉडल को नए डेटा पर फाइन-ट्यून किया जाता है, या फाइन-ट्यूनिंग के माध्यम से, जहां मॉडल को नए डेटा पर स्क्रैच से प्रशिक्षित किया जाता है। 8. उपयोगकर्ता इनपुट के लिए एक इंटरफ़ेस बनाएं: इसमें एक इंटरफ़ेस डिज़ाइन करना शामिल है जो उपयोगकर्ताओं को प्रश्न या अनुरोध इनपुट करने और मॉडल से प्रतिक्रिया प्राप्त करने की अनुमति देता है। 9. नियंत्रित वातावरण में परीक्षण: मॉडल को वास्तविक दुनिया की सेटिंग में तैनात करने से पहले, इसे नियंत्रित वातावरण में परीक्षण करना और उपयोगकर्ताओं से प्रतिक्रिया इकट्ठा करना महत्वपूर्ण है। इससे मॉडल में किसी भी त्रुटि या पूर्वाग्रह की पहचान करने और सुधार के अवसर प्रदान करने में मदद मिलेगी। 10. प्रदर्शन की लगातार निगरानी और सुधार करें: अंत में, मॉडल के प्रदर्शन की लगातार निगरानी करना और आवश्यकतानुसार अपडेट और सुधार करना महत्वपूर्ण है। इसमें नए डेटा पर मॉडल को फिर से प्रशिक्षित करना, हाइपरपैरामीटर को ठीक करना या आर्किटेक्चर को अपडेट करना शामिल हो सकता है। |
सहायक: ## प्रश्न उत्तर के लिए एक बड़े भाषा मॉडल के प्रशिक्षण के लिए कार्य सूची **1. परियोजना का दायरा और उद्देश्य:** * परियोजना लक्ष्यों और वांछित कार्यक्षमताओं को परिभाषित करें। **2. डेटा अधिग्रहण और प्रीप्रोसेसिंग:** * प्रशिक्षण डेटा के लिए स्रोतों की पहचान करें और विविध टेक्स्ट डेटासेट इकट्ठा करें। **3. मॉडल चयन एवं विन्यास:** * कार्य की जटिलता और वांछित प्रदर्शन के आधार पर एक उपयुक्त मॉडल आर्किटेक्चर का चयन करें। **4. प्रशिक्षण एवं मूल्यांकन:** * प्रशिक्षण डेटा को प्रशिक्षण, सत्यापन और परीक्षण उपसमूह में विभाजित करें। **5. फ़ाइन-ट्यूनिंग और इंटरफ़ेस विकास:** * ट्रांसफर लर्निंग के माध्यम से विशिष्ट कार्यों या डोमेन के लिए मॉडल को फाइन-ट्यून करें। **6. परीक्षण एवं सुधार:** * विभिन्न इनपुट परिदृश्यों के साथ नियंत्रित वातावरण में मॉडल का परीक्षण करें। **अतिरिक्त मुद्दो पर विचार करना:** * परियोजना के लिए एक समयरेखा और बजट निर्धारित करें। **ध्यान दें:** यह सूची संपूर्ण नहीं है और विशिष्ट परियोजना आवश्यकताओं के आधार पर इसे अनुकूलित करने की आवश्यकता हो सकती है। |
सहायक: निश्चित रूप से, मानवीय प्रश्नों को समझने और उनका उत्तर देने के लिए एक बड़े भाषा मॉडल को प्रशिक्षित करने में शामिल कार्यों का अधिक विस्तृत विवरण यहां दिया गया है: **1. परियोजना का दायरा और उद्देश्य स्थापित करें** **2. एक व्यापक/विविध टेक्स्ट डेटासेट इकट्ठा करें और प्रीप्रोसेस करें** **3. एक उपयुक्त मॉडल आर्किटेक्चर का चयन करें, सटीकता/गति के लिए हाइपरपैरामीटर समायोजित करें** **4. डेटासेट को प्रशिक्षण, सत्यापन, परीक्षण सबसेट में विभाजित करें, डेटा संवर्द्धन लागू करें** **5. ट्रेन मॉडल, सत्यापन सेट पर प्रगति की निगरानी करें, आवश्यकतानुसार समायोजित करें** **6. टेस्ट सेट पर मॉडल का मूल्यांकन करें, बेंचमार्क से तुलना करें, त्रुटियों और पूर्वाग्रहों का विश्लेषण करें** **7. ट्रांसफर लर्निंग या फाइन-ट्यूनिंग के माध्यम से विशिष्ट कार्यों या डोमेन के लिए फाइन-ट्यून** **8. उपयोगकर्ता इनपुट और मॉडल प्रतिक्रिया के लिए इंटरफ़ेस बनाएं** **9. नियंत्रित वातावरण में परीक्षण करें, सुधार के लिए फीडबैक एकत्र करें** **10. पुनर्प्रशिक्षण और फाइन-ट्यूनिंग के माध्यम से प्रदर्शन की लगातार निगरानी करें और उसमें सुधार करें** मानवीय प्रश्नों को समझने और उनका उत्तर देने के लिए एक बड़े भाषा मॉडल को प्रशिक्षित करने में ये चरण शामिल हैं। यदि आपका कोई प्रश्न है तो कृपया मुझे बताएं। |
क्लीन अप
अंतिम बिंदुओं का परीक्षण करने के बाद, शुल्क लगने से बचने के लिए सेजमेकर अनुमान समापन बिंदु और मॉडल को हटा दें।
निष्कर्ष
इस पोस्ट में, हमने आपको दिखाया कि सेजमेकर स्टूडियो में जेम्मा के साथ कैसे शुरुआत करें और अनुमान के लिए मॉडल को कैसे तैनात करें। हमने आपको यह भी दिखाया कि आप सेजमेकर जम्पस्टार्ट पर जेम्मा मॉडल को कैसे ठीक कर सकते हैं।
क्योंकि फाउंडेशन मॉडल पूर्व-प्रशिक्षित होते हैं, वे प्रशिक्षण और बुनियादी ढांचे की लागत को कम करने और आपके उपयोग के मामले में अनुकूलन को सक्षम करने में मदद कर सकते हैं। आरंभ करने के लिए अभी सेजमेकर स्टूडियो में सेजमेकर जम्पस्टार्ट पर जाएँ।
यह मार्गदर्शन केवल सूचनात्मक उद्देश्यों के लिए है। आपको अभी भी अपना स्वतंत्र मूल्यांकन करना चाहिए, और यह सुनिश्चित करने के लिए उपाय करना चाहिए कि आप अपने स्वयं के विशिष्ट गुणवत्ता नियंत्रण प्रथाओं और मानकों, और स्थानीय नियमों, कानूनों, विनियमों, लाइसेंसों और उपयोग की शर्तों का पालन करते हैं जो आप पर, आपकी सामग्री पर लागू होते हैं, और इस मार्गदर्शन में संदर्भित तृतीय-पक्ष मॉडल। इस मार्गदर्शन में संदर्भित तृतीय-पक्ष मॉडल पर AWS का कोई नियंत्रण या अधिकार नहीं है, और यह कोई प्रतिनिधित्व या वारंटी नहीं देता है कि तृतीय-पक्ष मॉडल सुरक्षित, वायरस-मुक्त, परिचालन या आपके उत्पादन वातावरण और मानकों के अनुकूल है। AWS कोई अभ्यावेदन, वारंटी या गारंटी नहीं देता है कि इस मार्गदर्शन में किसी भी जानकारी के परिणामस्वरूप कोई विशेष परिणाम या परिणाम होगा।
लेखक के बारे में
डॉ काइल उलरिच के साथ एक अनुप्रयुक्त वैज्ञानिक है अमेज़ॅन सेजमेकर बिल्ट-इन एल्गोरिदम टीम। उनके शोध के हितों में स्केलेबल मशीन लर्निंग एल्गोरिदम, कंप्यूटर विज़न, टाइम सीरीज़, बायेसियन नॉन-पैरामेट्रिक्स और गॉसियन प्रोसेस शामिल हैं। उनकी पीएचडी ड्यूक यूनिवर्सिटी से है और उन्होंने न्यूरआईपीएस, सेल और न्यूरॉन में पत्र प्रकाशित किए हैं।
डॉ शिन हुआंग Amazon SageMaker JumpStart और Amazon SageMaker बिल्ट-इन एल्गोरिदम के लिए एक वरिष्ठ एप्लाइड साइंटिस्ट हैं। वह स्केलेबल मशीन लर्निंग एल्गोरिदम विकसित करने पर ध्यान केंद्रित करता है। उनकी शोध रुचि प्राकृतिक भाषा प्रसंस्करण, सारणीबद्ध डेटा पर व्याख्यात्मक गहन शिक्षा और गैर-पैरामीट्रिक स्पेस-टाइम क्लस्टरिंग के मजबूत विश्लेषण के क्षेत्र में है। उन्होंने एसीएल, आईसीडीएम, केडीडी सम्मेलनों और रॉयल स्टैटिस्टिकल सोसाइटी: सीरीज़ ए में कई पत्र प्रकाशित किए हैं।
रचना चड्ढा AWS में रणनीतिक खातों में एक प्रमुख समाधान वास्तुकार AI/ML हैं। रचना एक आशावादी हैं जो मानती हैं कि एआई के नैतिक और जिम्मेदार उपयोग से भविष्य में समाज में सुधार हो सकता है और आर्थिक और सामाजिक समृद्धि आ सकती है। अपने खाली समय में रचना को अपने परिवार के साथ समय बिताना, घूमना-फिरना और संगीत सुनना पसंद है।
इवान क्राविट्ज़ अमेज़ॅन वेब सर्विसेज में एक सॉफ्टवेयर इंजीनियर है, जो सेजमेकर जम्पस्टार्ट पर काम कर रहा है। उन्हें खाना पकाने और न्यूयॉर्क शहर में दौड़ने में मज़ा आता है।
डॉ आशीष खेतानी Amazon SageMaker बिल्ट-इन एल्गोरिदम के साथ एक वरिष्ठ एप्लाइड साइंटिस्ट हैं और मशीन लर्निंग एल्गोरिदम विकसित करने में मदद करते हैं। उन्होंने इलिनोइस विश्वविद्यालय उरबाना-शैंपेन से पीएचडी की उपाधि प्राप्त की। वह मशीन लर्निंग और सांख्यिकीय अनुमान में एक सक्रिय शोधकर्ता हैं, और उन्होंने NeurIPS, ICML, ICLR, JMLR, ACL और EMNLP सम्मेलनों में कई पत्र प्रकाशित किए हैं।
- एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
- प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
- प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
- प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
- प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
- स्रोत: https://aws.amazon.com/blogs/machine-learning/gemma-is-now-available-in-amazon-sagemaker-jumpstart/
- :हैस
- :है
- :नहीं
- :कहाँ
- $यूपी
- 1
- 10
- 100
- 11
- 13
- 135
- 17
- 19
- 1900
- 250
- 28
- 29
- 31
- 39
- 41
- 50
- 7
- 8
- 9
- a
- क्षमता
- About
- ऊपर
- स्वीकार करें
- पहुँच
- एक्सेसिबिलिटी
- लेखा
- अकौन्टस(लेखा)
- संचय
- शुद्धता
- सही
- प्राप्त
- प्राप्त
- अर्जन
- के पार
- कार्रवाई
- सक्रिय
- वास्तविक
- अनुकूलन
- इसके अलावा
- इसके अतिरिक्त
- को समायोजित
- उन्नत
- अग्रिमों
- बाद
- के खिलाफ
- एजेंट
- AI
- ऐ / एमएल
- विमान
- एल्गोरिदम
- विदेशी
- सब
- अनुमति देना
- की अनुमति दी
- की अनुमति देता है
- साथ में
- भी
- वैकल्पिक
- वीरांगना
- अमेज़न SageMaker
- अमेज़न SageMaker जम्पस्टार्ट
- अमेज़ॅन वेब सेवा
- राशि
- an
- विश्लेषण
- विश्लेषण करें
- का विश्लेषण करती है
- का विश्लेषण
- और
- और बुनियादी ढांचे
- एंड्रोमेडा
- एंजेल्स
- की घोषणा
- जवाब
- जवाब दे
- जवाब
- कोई
- कुछ भी
- एपीआई
- अनुप्रयोग
- अनुप्रयोगों
- लागू
- लागू करें
- दृष्टिकोण
- दृष्टिकोण
- उपयुक्त
- क्षुधा
- स्थापत्य
- हैं
- क्षेत्र
- क्षेत्रों के बारे में जानकारी का उपयोग करके ट्रेडिंग कर सकते हैं।
- तर्क
- चारों ओर
- कला
- लेख
- कृत्रिम
- कृत्रिम बुद्धिमत्ता
- AS
- पूछना
- मूल्यांकन
- सहायक
- अंतरिक्ष यात्री
- At
- दर्शक
- अधिकार
- स्वचालित
- उपलब्ध
- से बचने
- पुरस्कार विजेता
- एडब्ल्यूएस
- एडब्ल्यूएस प्रबंधन कंसोल
- वापस
- संतुलित
- आधार
- आधारित
- बुनियादी
- बैचिंग
- बायेसियन
- BE
- क्योंकि
- से पहले
- शुरू करना
- पीछे
- जा रहा है
- विश्वासों
- का मानना है कि
- नीचे
- बेंच मार्किंग
- मानक
- लाभ
- के अतिरिक्त
- BEST
- बेहतर
- के बीच
- पूर्वाग्रह
- पूर्वाग्रहों
- बिलियन
- अरबों
- ब्लेड
- खंड
- ब्लॉग
- ब्लॉग
- फूल का खिलना
- परिवर्तन
- किताब
- पुस्तकें
- विश्लेषण
- प्रतिभाशाली
- लाना
- लाना
- लाता है
- टूटा
- बजट
- निर्माण
- इमारत
- बनाया गया
- में निर्मित
- लेकिन
- बटन
- by
- कैलेंडर
- कॉल
- बुलाया
- कर सकते हैं
- नही सकता
- कैनवास
- क्षमताओं
- सक्षम
- कार्ड
- मामला
- मामलों
- वर्ग
- सावधानी
- सेल
- चुनौती
- चुनौतियों
- परिवर्तन
- विशेषताएँ
- प्रभार
- बातचीत
- जाँचता
- चुनाव
- विकल्प
- चुनें
- City
- सभ्यता
- कक्षा
- क्लासिक
- स्वच्छ
- सफाई
- स्पष्ट रूप से
- क्लिक करें
- क्लब
- गुच्छन
- कोड
- कोडन
- सहयोग
- आता है
- सामान्यतः
- तुलना
- तुलना
- की तुलना
- तुलना
- संगत
- पूरा
- जटिलताओं
- जटिलता
- पालन करना
- कंप्यूटर
- Computer Vision
- संकल्पना
- अवधारणाओं
- समवर्ती
- सम्मेलनों
- विन्यास
- संघर्ष
- Consequences
- विचार करना
- विचार
- पर विचार
- लगातार
- होते हैं
- कंसोल
- स्थिर
- की कमी
- संपर्क करें
- शामिल
- कंटेनर
- शामिल हैं
- संघर्ष करना
- सामग्री
- प्रसंग
- लगातार
- नियंत्रण
- नियंत्रित
- कन्वर्सेशन (Conversation)
- संवादी
- बातचीत
- बदलना
- परिवर्तित
- ठंडा
- ठीक प्रकार से
- लागत
- सका
- बनाना
- बनाना
- क्रिएटिव
- निर्माता
- क्रॉसवर्ड
- क्यूरेट
- जिज्ञासु
- वर्तमान
- ग्राहक
- अनुकूलन
- दैनिक
- नृत्य
- अंधेरा
- तिथि
- डेटासेट
- दिन
- निर्णय
- गहरा
- ध्यान लगा के पढ़ना या सीखना
- और गहरा
- Deepmind
- चूक
- परिभाषित
- परिभाषित करता है
- गड्ढा
- विशद जानकारी देता है
- प्रदर्शन
- निर्भर
- तैनात
- तैनात
- तैनाती
- तैनाती
- DESERT
- डिज़ाइन
- डिज़ाइन बनाना
- वांछित
- विस्तार
- विस्तृत
- विवरण
- निर्धारित करना
- विकसित करना
- विकसित
- डेवलपर
- विकासशील
- विकास
- युक्ति
- निदान
- बातचीत
- अलग
- मतभेद
- विभिन्न
- डिजिटल
- डिजिटल कला
- सीधे
- डायरेक्टरी
- अन्य वायरल पोस्ट से
- चर्चा
- विचार - विमर्श
- रोगों
- डुबकी
- कई
- विविधता
- विभाजित
- do
- दस्तावेज़
- वृत्तचित्र
- कर देता है
- डोमेन
- डोमेन
- किया
- नीचे
- डाउनलोड
- दो
- ड्यूक
- ड्यूक विश्वविद्यालय
- दौरान
- धूल
- dystopian
- से प्रत्येक
- पृथ्वी
- आसान
- दक्षता
- आठ
- ईमेल
- साम्राज्य
- सक्षम
- सक्षम बनाता है
- समर्थकारी
- सामना
- को प्रोत्साहित करती है
- शुरू से अंत तक
- endpoint
- मनोहन
- इंजीनियर
- बढ़ाता है
- का आनंद
- सुखद
- सुनिश्चित
- वातावरण
- महाकाव्य
- त्रुटियाँ
- आवश्यक
- स्थापित करना
- नैतिक
- मूल्यांकन करें
- का मूल्यांकन
- मूल्यांकन
- अंत में
- प्रत्येक
- उदाहरण
- उदाहरण
- उत्तेजित
- व्यापक
- प्रदर्श
- अस्तित्व
- मौजूदा
- विस्तार
- अपेक्षित
- महंगा
- अनुभव
- प्रयोग
- विशेषज्ञों
- का पता लगाने
- पड़ताल
- तलाश
- चेहरा
- निष्पक्षता
- असत्य
- परिवार
- और तेज
- Feature
- प्रतिक्रिया
- पैर
- कुछ
- खेत
- लड़ाई
- पट्टिका
- अंत में
- खोज
- निष्कर्ष
- अंत
- प्रथम
- पहला संपर्क
- फिट
- पांच
- फ़्लैश
- उड़ान
- केंद्रित
- निम्नलिखित
- इस प्रकार है
- के लिए
- सदा
- प्रारूप
- बुनियाद
- ढांचा
- निष्कपट
- से
- समारोह
- कार्यक्षमताओं
- कार्यक्षमता
- कामकाज
- आगे
- भविष्य
- भविष्य
- Games
- इकट्ठा
- मिथुन राशि
- सृजन
- उत्पादक
- जनरेटिव एआई
- शैली
- शैलियों
- मिल
- GitHub
- देना
- दी
- Go
- लक्ष्यों
- जा
- अच्छा
- गूगल
- गूगल की
- मिला
- GPU
- कृपा
- धीरे - धीरे
- महान
- महान शक्ति
- समूह
- गारंटी देता है
- गार्ड
- मार्गदर्शन
- गाइड
- मार्गदर्शक
- हाथ
- साज़
- है
- he
- ऊंचाई
- नमस्ते
- मदद
- मदद करता है
- उसे
- यहाँ उत्पन्न करें
- छिपा हुआ
- उसके
- इतिहास
- आशा
- मेजबानी
- कैसे
- How To
- तथापि
- एचटीएमएल
- HTTPS
- हब
- केन्द्रों
- हगिंग फ़ेस
- मानव
- मानवता
- मनुष्य
- i
- ID
- विचार
- पहचान करना
- if
- इलेनॉइस
- छवियों
- प्रभाव
- लागू करने के
- कार्यान्वयन
- आयात
- महत्वपूर्ण
- में सुधार
- सुधार
- सुधार
- में सुधार लाने
- in
- शामिल
- सहित
- शामिल
- बढ़ना
- स्वतंत्र
- उद्योग
- उद्योग के मानकों
- प्रभाव
- करें-
- सूचना
- इंफ्रास्ट्रक्चर
- सरलता
- नवोन्मेष
- निवेश
- निविष्टियां
- पूछताछ
- अंतर्दृष्टि
- प्रेरित
- उदाहरण
- बजाय
- एकीकृत
- एकीकृत
- बुद्धि
- इरादा
- बातचीत
- रुचियों
- इंटरफेस
- प्रतिच्छेदन
- में
- परिचय कराना
- सहज ज्ञान युक्त
- शामिल करना
- शामिल
- शामिल
- IT
- आइटम
- आईटी इस
- शब्दजाल
- में शामिल होने
- पत्रिका
- यात्रा
- जेपीजी
- JSON
- केवल
- रखना
- बच्चा
- जानना
- ज्ञान
- जानने वाला
- काइल
- अवतरण
- परिदृश्य
- भाषा
- बड़ा
- बड़ा
- विलंब
- शुभारंभ
- कानून
- प्रमुख
- जानें
- सीख रहा हूँ
- सीखता
- छोड़ने
- लंबाई
- चलो
- स्तर
- लीवरेज
- लाइसेंस
- लाइसेंस
- जीवन
- बिजली
- बिज्ली की तेज़ी
- हल्के
- पसंद
- को यह पसंद है
- लाइन
- पंक्तियां
- सूची
- बात सुनो
- सुनना
- सुनता है
- लामा
- भार
- स्थानीय
- स्थान
- देखिए
- देख
- लग रहा है
- उन
- लॉस एंजिल्स
- कम
- मशीन
- यंत्र अधिगम
- बहुमत
- बनाना
- दुर्भावनापूर्ण
- प्रबंध
- मैन्युअल
- बहुत
- निशान
- मंगल ग्रह
- गणित
- अधिकतम
- मई..
- me
- अर्थ
- अर्थ
- उपायों
- मीडिया
- दवा
- बैठक
- उल्लेख किया
- message
- संदेश
- तरीका
- माइकल
- हो सकता है
- मन
- मिनटों
- ML
- आदर्श
- मॉडल
- मॉड्यूल
- मॉनिटर
- निगरानी
- अधिक
- अधिकांश
- चलचित्र
- संगीत
- चाहिए
- my
- रहस्यमय
- नाम
- नामांकित
- प्राकृतिक
- प्राकृतिक भाषा संसाधन
- प्रकृति
- आवश्यक
- आवश्यकता
- जरूरत
- की जरूरत है
- नेटवर्क
- तंत्रिका
- तंत्रिका जाल
- कभी नहीँ
- नया
- न्यूयॉर्क
- न्यू यॉर्क शहर
- रात
- नहीं
- नोट
- नोटबुक
- उपन्यास
- अभी
- संख्या
- नखलिस्तान
- वस्तु
- उद्देश्य
- निरीक्षण
- of
- ऑफर
- अक्सर
- on
- एक बार
- ONE
- चल रहे
- केवल
- परिचालन
- अवसर
- इष्टतमीकरण
- ऑप्टिमाइज़ करें
- ऑप्शंस
- or
- आदेश
- मूल
- OS
- अन्य
- अन्य
- आउट
- परिणाम
- परिणामों
- उत्पादन
- के ऊपर
- अपना
- पृष्ठ
- कागजात
- समानांतर
- प्राचल
- पैरामीटर
- विशेष
- विशेष रूप से
- पार्टियों
- पास
- पासिंग
- अतीत
- पथ
- पैटर्न उपयोग करें
- पॉल
- स्टाफ़
- प्रति
- निष्पादन
- प्रदर्शन
- प्रदर्शन
- प्रदर्शन
- स्टाफ़
- दृष्टिकोण
- पीएचडी
- मुहावरों
- भौतिक शास्त्री
- पायलट
- जगह
- ग्रह
- योजनाओं
- प्लेटो
- प्लेटो डेटा इंटेलिजेंस
- प्लेटोडाटा
- प्ले
- खिलाड़ी
- कृप्या अ
- बिन्दु
- अंक
- राजनीतिक
- लोकप्रिय
- आबादी
- पद
- संभावित
- बिजली
- अभ्यास
- प्रथाओं
- भविष्यवाणियों
- Predictor
- वरीयताओं
- तैयारी
- सुंदर
- पहले से
- प्रिंस
- प्रिंसिपल
- प्रिंट
- प्रक्रिया
- प्रसंस्कृत
- प्रक्रियाओं
- प्रसंस्करण
- उत्पादन
- कार्यक्रम
- प्रगति
- परियोजना
- संकेतों
- उचित
- समृद्धि
- प्रदान करना
- प्रदाताओं
- प्रदान करता है
- सार्वजनिक
- सार्वजनिक रूप से
- प्रकाशित
- प्रयोजनों
- पहेलि
- अजगर
- pytorch
- गुणवत्ता
- प्रश्नों
- सवाल
- खोज
- प्रश्न
- प्रशन
- जल्दी से
- बिल्कुल
- दौड़
- असर
- रेंज
- बल्कि
- कच्चा
- तक पहुंच गया
- पढ़ना
- पढ़ना
- असली दुनिया
- वास्तविकता
- वास्तव में
- क्षेत्र
- कारण
- प्राप्त करना
- हाल
- सिफारिश
- सिफारिशें
- की सिफारिश
- आवर्तक
- संदर्भ
- संदर्भित
- दर्शाता है
- नियमित तौर पर
- नियम
- सम्बंधित
- रिहा
- प्रासंगिक
- याद
- दोहराना
- का प्रतिनिधित्व
- अनुरोधों
- अपेक्षित
- आवश्यकताएँ
- अनुसंधान
- शोधकर्ता
- प्रतिक्रिया
- जवाब
- प्रतिक्रिया
- प्रतिक्रियाएं
- जिम्मेदारी
- जिम्मेदार
- परिणाम
- परिणाम
- की समीक्षा
- इनाम
- वृद्धि
- मजबूत
- मजबूती
- भूमिका
- सामान्य
- शाही
- नियम
- रन
- चलाता है
- s
- सुरक्षित
- sagemaker
- सेजमेकर अनुमान
- वही
- सहेजें
- कहना
- स्केलेबल
- स्केल
- तराजू
- स्केलिंग
- परिदृश्यों
- Sci-fi
- विज्ञान
- वैज्ञानिक
- वैज्ञानिकों
- क्षेत्र
- खरोंच
- लिपि
- लिपियों
- एसडीके
- निर्बाध
- खोज
- दूसरा
- रहस्य
- अनुभाग
- सुरक्षित
- देखना
- चयन
- चयनित
- का चयन
- चयन
- भेजना
- वरिष्ठ
- अलग
- अनुक्रम
- कई
- श्रृंखला ए
- सेवाएँ
- सेवारत
- सत्र
- सेट
- सेट
- की स्थापना
- कई
- साझा
- चाहिए
- दिखाना
- पता चला
- दिखा
- दिखाया
- दिखाता है
- पक्ष
- समान
- सरल
- एक
- आकार
- आकार
- कौशल
- So
- सोशल मीडिया
- समाज
- सॉफ्टवेयर
- सॉफ्टवेयर इंजीनियर
- समाधान
- समाधान ढूंढे
- कुछ
- सूत्रों का कहना है
- Sparks
- विशिष्ट
- गति
- खर्च
- बिताता
- स्टैंड
- मानकों
- शुरू
- शुरुआत में
- राज्य
- राज्य के-the-कला
- कथन
- सांख्यिकीय
- कदम
- कदम
- फिर भी
- कहानियों
- आंधी
- कहानी
- अजीब
- सामरिक
- रणनीतियों
- तार
- मजबूत
- स्टूडियो
- अध्ययन
- सदस्यता के
- उपशीर्षक
- सफल
- ऐसा
- उपयुक्त
- समर्थन
- समर्थित
- सहायक
- समर्थन करता है
- निश्चित
- जीवित रहने के
- प्रणाली
- तालिका
- लेना
- लेता है
- कहानी
- लक्ष्य
- लक्ष्य
- कार्य
- कार्य
- टीम
- टीमों
- तकनीक
- तकनीक
- टेक्नोलॉजी
- टेम्पलेट
- टेम्पलेट्स
- tensorflow
- शर्तों
- परीक्षण
- परीक्षण किया
- परीक्षण
- टेक्स्ट
- से
- कि
- RSI
- क्षेत्र
- भविष्य
- दुनिया
- लेकिन हाल ही
- उन
- अपने
- फिर
- वहाँ।
- इसलिये
- इन
- वे
- तीसरा
- तीसरे पक्ष
- तीसरे दल
- इसका
- उन
- विचार
- सोचा उत्तेजक
- हज़ार
- रोमांचकारी
- यहाँ
- THROUGHPUT
- पहर
- समय श्रृंखला
- समय यात्रा
- समय
- बार
- सेवा मेरे
- टोकन
- tokenizing
- टोकन
- बोला था
- साधन
- उपकरण
- विषय
- कुल
- ट्रैक
- परंपरागत
- रेलगाड़ी
- प्रशिक्षित
- प्रशिक्षण
- स्थानांतरण
- स्थानांतरित कर रहा है
- ट्रांसफार्मर
- अनुवाद करें
- यात्रा
- खरब
- <strong>उद्देश्य</strong>
- कोशिश
- धुन
- देखते
- ट्यूनिंग
- tv
- दो
- टाइप
- प्रकार
- ठेठ
- आम तौर पर
- ui
- अंत में
- उजागर
- के अंतर्गत
- समझना
- समझ
- अनजान
- ब्रम्हांड
- विश्वविद्यालय
- बेजोड़
- जब तक
- अनावरण
- अद्यतन
- अपडेट
- अद्यतन
- us
- प्रयोज्य
- प्रयोग
- उपयोग
- उदाहरण
- प्रयुक्त
- उपयोगकर्ता
- उपयोगकर्ता के अनुकूल
- उपयोगकर्ताओं
- का उपयोग करता है
- का उपयोग
- सत्यापन
- मान
- विविधता
- विभिन्न
- उद्यम
- संस्करण
- देखें
- वास्तविक
- आभासी वास्तविकता
- दृष्टि
- भेंट
- दृश्य
- वीज़्युअल मीडिया
- आयतन
- चलना
- करना चाहते हैं
- वारंटी
- था
- घड़ी
- देख
- मार्ग..
- तरीके
- we
- वेब
- वेब सेवाओं
- वेब आधारित
- सप्ताह
- कुंआ
- वेल्स
- क्या
- एचएमबी क्या है?
- कब
- जब कभी
- या
- कौन कौन से
- कौन
- चौड़ा
- व्यापक रूप से
- विजेट
- मर्जी
- बुद्धिमत्ता
- साथ में
- अंदर
- बिना
- शब्द
- शब्द
- काम
- वर्कफ़्लो
- काम कर रहे
- विश्व
- लिखना
- लिख रहे हैं
- X
- यॉर्क
- आप
- युवा
- आपका
- स्वयं
- जेफिरनेट