Amazon Titan lmage ตัวสร้าง G1 เป็นรูปแบบข้อความเป็นรูปภาพที่ล้ำสมัย มีจำหน่ายผ่านทาง อเมซอน เบดร็อคที่สามารถเข้าใจข้อความแจ้งที่อธิบายวัตถุหลายชิ้นในบริบทต่างๆ และบันทึกรายละเอียดที่เกี่ยวข้องเหล่านี้ไว้ในรูปภาพที่สร้างขึ้น โดยมีให้บริการในภูมิภาค AWS ของสหรัฐอเมริกาฝั่งตะวันออก (เวอร์จิเนียเหนือ) และสหรัฐอเมริกาฝั่งตะวันตก (ออริกอน) และสามารถดำเนินการแก้ไขรูปภาพขั้นสูง เช่น การครอบตัดอัจฉริยะ การลงสีในภาพวาด และการเปลี่ยนแปลงพื้นหลัง อย่างไรก็ตาม ผู้ใช้ต้องการปรับโมเดลให้เข้ากับลักษณะเฉพาะในชุดข้อมูลที่กำหนดเองซึ่งโมเดลดังกล่าวยังไม่ได้รับการฝึกฝน ชุดข้อมูลที่กำหนดเองสามารถรวมข้อมูลที่มีกรรมสิทธิ์สูงซึ่งสอดคล้องกับหลักเกณฑ์แบรนด์ของคุณหรือสไตล์เฉพาะ เช่น แคมเปญก่อนหน้า เพื่อจัดการกับกรณีการใช้งานเหล่านี้และสร้างอิมเมจที่เป็นส่วนตัวโดยสมบูรณ์ คุณสามารถปรับแต่ง Amazon Titan Image Generator อย่างละเอียดด้วยข้อมูลของคุณเองได้ โมเดลที่กำหนดเองสำหรับ Amazon Bedrock.
ตั้งแต่การสร้างภาพไปจนถึงการแก้ไข โมเดลข้อความเป็นรูปภาพมีการใช้งานที่หลากหลายในอุตสาหกรรมต่างๆ พวกเขาสามารถเพิ่มความคิดสร้างสรรค์ของพนักงานและให้ความสามารถในการจินตนาการถึงความเป็นไปได้ใหม่ๆ ได้ง่ายๆ ด้วยคำอธิบายที่เป็นข้อความ ตัวอย่างเช่น สามารถช่วยในการออกแบบและการวางแผนพื้นสำหรับสถาปนิก และช่วยให้เกิดนวัตกรรมได้เร็วขึ้นโดยให้ความสามารถในการแสดงภาพการออกแบบต่างๆ โดยไม่ต้องมีขั้นตอนการสร้างด้วยตนเอง ในทำนองเดียวกัน สามารถช่วยในการออกแบบในอุตสาหกรรมต่างๆ เช่น การผลิต การออกแบบแฟชั่นในการค้าปลีก และการออกแบบเกม โดยการปรับปรุงประสิทธิภาพการสร้างกราฟิกและภาพประกอบ โมเดลข้อความเป็นรูปภาพยังช่วยปรับปรุงประสบการณ์ของลูกค้าของคุณด้วยการอนุญาตให้มีการโฆษณาเฉพาะบุคคลตลอดจนแชทบอทแบบภาพเชิงโต้ตอบและดื่มด่ำในกรณีการใช้งานสื่อและความบันเทิง
ในโพสต์นี้ เราจะแนะนำคุณตลอดกระบวนการปรับแต่งโมเดล Amazon Titan Image Generator เพื่อเรียนรู้สองหมวดหมู่ใหม่: สุนัขรอนและแมวสมิล่า สัตว์เลี้ยงที่เราชื่นชอบ เราจะหารือเกี่ยวกับวิธีจัดเตรียมข้อมูลของคุณสำหรับงานการปรับแต่งโมเดลโดยละเอียด และวิธีการสร้างงานการปรับแต่งโมเดลใน Amazon Bedrock สุดท้ายนี้ เราจะแสดงวิธีทดสอบและปรับใช้โมเดลที่ได้รับการปรับแต่งของคุณ ปริมาณงานที่จัดเตรียมไว้.
รอนหมา | เจ้าแมวสมิล่า |
การประเมินความสามารถของโมเดลก่อนปรับแต่งงานอย่างละเอียด
โมเดลพื้นฐานได้รับการฝึกฝนกับข้อมูลจำนวนมาก ดังนั้นจึงเป็นไปได้ที่โมเดลของคุณจะทำงานได้ดีเพียงพอตั้งแต่แกะกล่อง ด้วยเหตุนี้ แนวทางปฏิบัติที่ดีจึงควรตรวจสอบว่าคุณจำเป็นต้องปรับแต่งโมเดลให้เหมาะกับกรณีการใช้งานของคุณจริง ๆ หรือหากวิศวกรรมที่พร้อมท์นั้นเพียงพอแล้ว มาลองสร้างรูปภาพของสุนัขรอนและแมวสมิล่าด้วยโมเดลพื้นฐานของ Amazon Titan Image Generator ดังที่แสดงในภาพหน้าจอต่อไปนี้
ตามที่คาดไว้ โมเดลที่แกะกล่องยังไม่รู้จัก Ron และ Smila และผลลัพธ์ที่สร้างขึ้นแสดงให้เห็นสุนัขและแมวที่แตกต่างกัน ด้วยวิศวกรรมที่ทันท่วงที เราสามารถให้รายละเอียดเพิ่มเติมเพื่อให้ใกล้เคียงกับรูปลักษณ์ของสัตว์เลี้ยงตัวโปรดของเรามากขึ้น
แม้ว่าภาพที่สร้างขึ้นจะคล้ายกับ Ron และ Smila มากกว่า แต่เราพบว่าแบบจำลองนี้ไม่สามารถจำลองภาพเหล่านั้นได้อย่างสมบูรณ์ ตอนนี้เรามาเริ่มงานปรับแต่งด้วยภาพถ่ายของ Ron และ Smila เพื่อให้ได้ผลลัพธ์ที่สม่ำเสมอและเป็นส่วนตัว
การปรับแต่ง Amazon Titan Image Generator อย่างละเอียด
Amazon Bedrock มอบประสบการณ์แบบไร้เซิร์ฟเวอร์สำหรับการปรับแต่งโมเดล Amazon Titan Image Generator ของคุณอย่างละเอียด คุณเพียงแค่ต้องเตรียมข้อมูลและเลือกไฮเปอร์พารามิเตอร์ของคุณ จากนั้น AWS จะจัดการงานหนักให้กับคุณ
เมื่อคุณใช้โมเดล Amazon Titan Image Generator เพื่อปรับแต่งอย่างละเอียด สำเนาของโมเดลนี้จะถูกสร้างขึ้นในบัญชีการพัฒนาโมเดล AWS ที่ AWS เป็นเจ้าของและจัดการ และงานการปรับแต่งโมเดลจะถูกสร้างขึ้น จากนั้นงานนี้เข้าถึงข้อมูลการปรับแต่งอย่างละเอียดจาก VPC และโมเดล Amazon Titan มีการอัปเดตน้ำหนักแล้ว โมเดลใหม่จะถูกบันทึกลงใน บริการจัดเก็บข้อมูลอย่างง่ายของ Amazon (Amazon S3) อยู่ในบัญชีการพัฒนาโมเดลเดียวกันกับโมเดลที่ได้รับการฝึกอบรมล่วงหน้า ขณะนี้คุณสามารถใช้เพื่อการอนุมานโดยบัญชีของคุณเท่านั้น และจะไม่แชร์กับบัญชี AWS อื่นใด เมื่อเรียกใช้การอนุมาน คุณจะเข้าถึงโมเดลนี้ผ่านทาง การคำนวณความจุที่จัดเตรียมไว้ หรือใช้โดยตรง การอนุมานแบบกลุ่มสำหรับ Amazon Bedrock- โดยเป็นอิสระจากรูปแบบการอนุมานที่เลือก ข้อมูลของคุณยังคงอยู่ในบัญชีของคุณและจะไม่คัดลอกไปยังบัญชี AWS ใดๆ ที่เป็นเจ้าของหรือใช้เพื่อปรับปรุงโมเดล Amazon Titan Image Generator
ไดอะแกรมต่อไปนี้แสดงเวิร์กโฟลว์นี้
ความเป็นส่วนตัวของข้อมูลและความปลอดภัยของเครือข่าย
ข้อมูลของคุณที่ใช้สำหรับการปรับแต่งอย่างละเอียด รวมถึงข้อความแจ้งและโมเดลที่กำหนดเอง ยังคงเป็นส่วนตัวในบัญชี AWS ของคุณ ไม่มีการแชร์หรือใช้สำหรับการฝึกโมเดลหรือการปรับปรุงบริการ และจะไม่แชร์กับผู้ให้บริการโมเดลบุคคลที่สาม ข้อมูลทั้งหมดที่ใช้สำหรับการปรับแต่งอย่างละเอียดจะถูกเข้ารหัสระหว่างการส่งผ่านและขณะพัก ข้อมูลยังคงอยู่ในภูมิภาคเดียวกับที่มีการประมวลผลการเรียก API คุณยังสามารถใช้ AWS PrivateLink เพื่อสร้างการเชื่อมต่อส่วนตัวระหว่างบัญชี AWS ที่มีข้อมูลของคุณอยู่และ VPC
การเตรียมข้อมูล
ก่อนที่คุณจะสามารถสร้างงานการปรับแต่งแบบจำลองได้ คุณต้องทำก่อน เตรียมชุดข้อมูลการฝึกอบรมของคุณ- รูปแบบของชุดข้อมูลการฝึกอบรมของคุณขึ้นอยู่กับประเภทของงานการปรับแต่งที่คุณกำลังสร้าง (การปรับแต่งอย่างละเอียดหรือการฝึกอบรมล่วงหน้าอย่างต่อเนื่อง) และรูปแบบข้อมูลของคุณ (ข้อความเป็นข้อความ ข้อความเป็นรูปภาพ หรือรูปภาพเป็น การฝัง) สำหรับโมเดล Amazon Titan Image Generator คุณต้องจัดเตรียมรูปภาพที่คุณต้องการใช้สำหรับการปรับแต่งอย่างละเอียดและคำบรรยายสำหรับแต่ละภาพ Amazon Bedrock คาดว่ารูปภาพของคุณจะถูกจัดเก็บไว้ใน Amazon S3 และคู่รูปภาพและคำอธิบายภาพจะต้องจัดเตรียมในรูปแบบ JSONL พร้อมด้วยบรรทัด JSON หลายบรรทัด
แต่ละบรรทัด JSON คือตัวอย่างที่มี image-ref, S3 URI สำหรับรูปภาพ และคำบรรยายที่มีข้อความแจ้งสำหรับรูปภาพ รูปภาพของคุณต้องอยู่ในรูปแบบ JPEG หรือ PNG รหัสต่อไปนี้แสดงตัวอย่างของรูปแบบ:
{"image-ref": "s3://bucket/path/to/image001.png", "คำบรรยายภาพ": ""} {"image-ref": "s3://bucket/path/to/image002.png", "คำบรรยายภาพ": ""} {"image-ref": "s3://bucket/path/to/image003.png", "คำบรรยายภาพ": ""}
เนื่องจาก “รอน” และ “สมิหลา” เป็นชื่อที่สามารถนำมาใช้ในบริบทอื่นได้ เช่น ชื่อบุคคล เราจึงเพิ่มตัวระบุ “รอน สุนัข” และ “แมวสมิหลา” เมื่อสร้างพรอมต์เพื่อปรับแต่งโมเดลของเรา . แม้ว่าจะไม่ใช่ข้อกำหนดสำหรับเวิร์กโฟลว์การปรับแต่ง แต่ข้อมูลเพิ่มเติมนี้ให้ความชัดเจนตามบริบทมากขึ้นสำหรับโมเดลเมื่อมีการปรับแต่งสำหรับคลาสใหม่และจะหลีกเลี่ยงความสับสนของ '“สุนัขรอน” กับบุคคลที่เรียกว่ารอนและ " แมวสมิลา” กับเมืองสมิลาในประเทศยูเครน เมื่อใช้ตรรกะนี้ รูปภาพต่อไปนี้จะแสดงตัวอย่างชุดข้อมูลการฝึกอบรมของเรา
สุนัขรอนนอนอยู่บนเตียงสุนัขสีขาว | สุนัขรอนนั่งอยู่บนพื้นกระเบื้อง | สุนัขรอนนอนอยู่บนเบาะรถ |
แมวสมิล่านอนอยู่บนโซฟา | แมวสมิล่าจ้องมองกล้องนอนอยู่บนโซฟา | สมิล่า แมวน้อยนอนอยู่ในกรงสัตว์เลี้ยง |
เมื่อแปลงข้อมูลของเราเป็นรูปแบบที่งานปรับแต่งคาดหวัง เราได้รับโครงสร้างตัวอย่างต่อไปนี้:
{"รูปภาพอ้างอิง": "/ron_01.jpg", "caption": "รอน สุนัขนอนอยู่บนเตียงสุนัขสีขาว"} {"image-ref": "/ron_02.jpg", "caption": "รอนสุนัขนั่งอยู่บนพื้นกระเบื้อง"} {"image-ref": "/ron_03.jpg", "caption": "รอน สุนัขนอนอยู่บนเบาะรถ"} {"image-ref": "/smila_01.jpg", "caption": "แมวยิ้มยิ้มนอนอยู่บนโซฟา"} {"image-ref": "/smila_02.jpg", "caption": "แมวยิ้มนั่งข้างหน้าต่าง ข้างรูปปั้นแมว"} {"image-ref": "/smila_03.jpg", "caption": "Smila เจ้าแมวนอนอยู่บนกรงสัตว์เลี้ยง"}
หลังจากที่เราสร้างไฟล์ JSONL แล้ว เราจำเป็นต้องจัดเก็บไว้ในบัคเก็ต S3 เพื่อเริ่มงานปรับแต่งของเรา งานปรับแต่งอย่างละเอียดของ Amazon Titan Image Generator G1 จะทำงานกับอิมเมจได้ 5–10,000 ภาพ สำหรับตัวอย่างที่กล่าวถึงในโพสต์นี้ เราใช้รูปภาพ 60 ภาพ ได้แก่ สุนัขรอน 30 ภาพ และแมวสมิล่า 30 ภาพ โดยทั่วไป การจัดหาสไตล์หรือคลาสที่หลากหลายมากขึ้นที่คุณกำลังพยายามเรียนรู้จะช่วยเพิ่มความแม่นยำของโมเดลที่ได้รับการปรับแต่งของคุณ อย่างไรก็ตาม ยิ่งคุณใช้ภาพเพื่อการปรับแต่งแบบละเอียดมากเท่าไร งานการปรับแต่งแบบละเอียดก็จะยิ่งต้องใช้เวลามากขึ้นเท่านั้น จำนวนภาพที่ใช้ยังส่งผลต่อราคางานที่ได้รับการปรับแต่งของคุณอีกด้วย อ้างถึง ราคาหินเบดร็อคของอเมซอน สำหรับข้อมูลเพิ่มเติม
การปรับแต่ง Amazon Titan Image Generator อย่างละเอียด
ตอนนี้เรามีข้อมูลการฝึกอบรมพร้อมแล้ว เราก็สามารถเริ่มงานปรับแต่งใหม่ได้ กระบวนการนี้สามารถทำได้ทั้งผ่านคอนโซล Amazon Bedrock หรือ API หากต้องการใช้คอนโซล Amazon Bedrock ให้ทำตามขั้นตอนต่อไปนี้:
- บนคอนโซล Amazon Bedrock ให้เลือก โมเดลที่กำหนดเอง ในบานหน้าต่างนำทาง
- เกี่ยวกับ ปรับแต่งโมเดล เมนูให้เลือก สร้างงานปรับแต่ง.
- สำหรับ ชื่อรุ่นที่ปรับแต่งอย่างละเอียดให้ป้อนชื่อโมเดลใหม่ของคุณ
- สำหรับ การกำหนดค่างานให้ป้อนชื่องานการฝึกอบรม
- สำหรับ ป้อนข้อมูลป้อนเส้นทาง S3 ของข้อมูลที่ป้อน
- ตัว Vortex Indicator ได้ถูกนำเสนอลงในนิตยสาร ไฮเปอร์พารามิเตอร์ ส่วน ให้ระบุค่าต่อไปนี้:
- จำนวนก้าว – จำนวนครั้งที่โมเดลเปิดเผยต่อชุดงาน
- ขนาดแบทช์ – จำนวนตัวอย่างที่ประมวลผลก่อนที่จะอัพเดตพารามิเตอร์โมเดล
- อัตราการเรียนรู้ – อัตราที่พารามิเตอร์แบบจำลองได้รับการอัพเดตหลังจากแต่ละชุด การเลือกพารามิเตอร์เหล่านี้ขึ้นอยู่กับชุดข้อมูลที่กำหนด ตามแนวทางทั่วไป เราขอแนะนำให้คุณเริ่มต้นด้วยการกำหนดขนาดแบตช์เป็น 8 อัตราการเรียนรู้เป็น 1e-5 และกำหนดจำนวนขั้นตอนตามจำนวนรูปภาพที่ใช้ ดังรายละเอียดในตารางต่อไปนี้
จำนวนภาพที่ให้ไว้ | 8 | 32 | 64 | 1,000 | 10,000 |
จำนวนขั้นตอนที่แนะนำ | 1,000 | 4,000 | 8,000 | 10,000 | 12,000 |
หากผลลัพธ์ของงานปรับแต่งของคุณไม่เป็นที่น่าพอใจ ให้พิจารณาเพิ่มจำนวนขั้นตอนหากคุณไม่สังเกตเห็นสัญญาณของสไตล์ในรูปภาพที่สร้างขึ้น และลดจำนวนขั้นตอนหากคุณสังเกตเห็นสไตล์ในรูปภาพที่สร้างขึ้น แต่ ด้วยสิ่งประดิษฐ์หรือความพร่ามัว หากโมเดลที่ได้รับการปรับแต่งอย่างละเอียดล้มเหลวในการเรียนรู้สไตล์ที่เป็นเอกลักษณ์ในชุดข้อมูลของคุณแม้จะผ่านขั้นตอนไปแล้ว 40,000 ขั้นตอน ให้พิจารณาเพิ่มขนาดแบทช์หรืออัตราการเรียนรู้
- ตัว Vortex Indicator ได้ถูกนำเสนอลงในนิตยสาร ข้อมูลเอาต์พุต ให้ป้อนเส้นทางเอาต์พุต S3 ที่จะจัดเก็บเอาต์พุตการตรวจสอบ รวมถึงการวัดการสูญเสียในการตรวจสอบและความแม่นยำที่บันทึกไว้เป็นระยะๆ
- ตัว Vortex Indicator ได้ถูกนำเสนอลงในนิตยสาร การเข้าถึงบริการ ส่วนสร้างใหม่ AWS Identity และการจัดการการเข้าถึง บทบาท (IAM) หรือเลือกบทบาท IAM ที่มีอยู่พร้อมสิทธิ์ที่จำเป็นในการเข้าถึงบัคเก็ต S3 ของคุณ
การอนุญาตนี้ช่วยให้ Amazon Bedrock สามารถดึงชุดข้อมูลอินพุตและการตรวจสอบความถูกต้องจากบัคเก็ตที่คุณกำหนด และจัดเก็บเอาต์พุตการตรวจสอบความถูกต้องได้อย่างราบรื่นในบัคเก็ต S3 ของคุณ
- Choose ปรับแต่งโมเดล.
ด้วยการกำหนดค่าที่ถูกต้อง Amazon Bedrock จะฝึกโมเดลที่คุณกำหนดเอง
ปรับใช้ Amazon Titan Image Generator ที่ได้รับการปรับแต่งอย่างละเอียดพร้อมปริมาณการประมวลผลที่จัดเตรียมไว้
หลังจากที่คุณสร้างโมเดลแบบกำหนดเอง ปริมาณการประมวลผลที่จัดเตรียมไว้จะช่วยให้คุณสามารถจัดสรรอัตราการประมวลผลคงที่ที่กำหนดไว้ล่วงหน้าให้กับโมเดลแบบกำหนดเองได้ การจัดสรรนี้ให้ระดับประสิทธิภาพและความจุที่สม่ำเสมอในการจัดการปริมาณงาน ซึ่งส่งผลให้ประสิทธิภาพดีขึ้นในปริมาณงานการผลิต ข้อได้เปรียบประการที่สองของปริมาณการประมวลผลที่เตรียมใช้งานคือการควบคุมต้นทุน เนื่องจากการกำหนดราคาตามโทเค็นมาตรฐานพร้อมโหมดการอนุมานตามความต้องการอาจเป็นเรื่องยากที่จะคาดการณ์ในสเกลขนาดใหญ่
เมื่อการปรับแต่งโมเดลของคุณเสร็จสมบูรณ์ โมเดลนี้จะปรากฏบน โมเดลที่กำหนดเอง' บนคอนโซล Amazon Bedrock
หากต้องการซื้อปริมาณการประมวลผลที่เตรียมใช้งาน ให้เลือกโมเดลแบบกำหนดเองที่คุณเพิ่งปรับแต่งและเลือก ซื้อปริมาณการประมวลผลที่จัดเตรียมไว้.
ซึ่งจะเป็นการเติมโมเดลที่เลือกไว้ล่วงหน้าซึ่งคุณต้องการซื้อปริมาณการประมวลผลที่เตรียมใช้งาน สำหรับการทดสอบโมเดลที่ได้รับการปรับแต่งของคุณก่อนใช้งาน ให้ตั้งค่าหน่วยโมเดลเป็น 1 และกำหนดเงื่อนไขข้อผูกมัดเป็น ไม่มีความรับผิดชอบ- วิธีนี้ช่วยให้คุณเริ่มทดสอบโมเดลของคุณด้วยพร้อมต์ที่คุณกำหนดเอง และตรวจสอบว่าการฝึกนั้นเพียงพอหรือไม่ ยิ่งไปกว่านั้น เมื่อมีโมเดลที่ได้รับการปรับแต่งใหม่และเวอร์ชันใหม่ให้ใช้งาน คุณสามารถอัปเดตปริมาณการประมวลผลที่จัดเตรียมไว้ได้ตราบใดที่คุณอัปเดตด้วยเวอร์ชันอื่นของโมเดลเดียวกัน
การปรับแต่งผลลัพธ์อย่างละเอียด
สำหรับงานของเราในการปรับแต่งโมเดลของสุนัขรอนและแมวสมิล่า การทดลองแสดงให้เห็นว่าไฮเปอร์พารามิเตอร์ที่ดีที่สุดคือ 5,000 ขั้นตอน โดยมีขนาดแบทช์ 8 และอัตราการเรียนรู้ 1e-5
ต่อไปนี้เป็นตัวอย่างรูปภาพบางส่วนที่สร้างโดยโมเดลที่ปรับแต่งเอง
สุนัขรอนสวมเสื้อคลุมซูเปอร์ฮีโร่ | รอน สุนัขบนดวงจันทร์ | รอนสุนัขในสระว่ายน้ำพร้อมแว่นกันแดด |
สมิล่าแมวบนหิมะ | สมิล่าแมวขาวดำจ้องมองกล้อง | เจ้าแมวสมิล่าสวมหมวกคริสต์มาส |
สรุป
ในโพสต์นี้ เราได้พูดคุยกันว่าเมื่อใดจึงควรใช้การปรับแต่งแบบละเอียด แทนที่จะออกแบบคำสั่งของคุณเพื่อสร้างภาพที่มีคุณภาพดีขึ้น เราได้แสดงวิธีปรับแต่งโมเดล Amazon Titan Image Generator และปรับใช้โมเดลแบบกำหนดเองบน Amazon Bedrock นอกจากนี้เรายังให้แนวทางทั่วไปเกี่ยวกับวิธีการเตรียมข้อมูลของคุณสำหรับการปรับแต่งอย่างละเอียดและตั้งค่าไฮเปอร์พารามิเตอร์ที่เหมาะสมที่สุดเพื่อการปรับแต่งโมเดลที่แม่นยำยิ่งขึ้น
ในขั้นตอนถัดไป คุณสามารถปรับเปลี่ยนสิ่งต่อไปนี้ได้ ตัวอย่าง ให้กับกรณีการใช้งานของคุณเพื่อสร้างอิมเมจที่มีความเป็นส่วนตัวสูงโดยใช้ Amazon Titan Image Generator
เกี่ยวกับผู้เขียน
ไมร่า ลาเดร่า ทันเก้ เป็นนักวิทยาศาสตร์ข้อมูล AI รุ่นอาวุโสที่ AWS ด้วยพื้นฐานด้านการเรียนรู้ของเครื่อง เธอมีประสบการณ์มากกว่า 10 ปีในการออกแบบสถาปัตยกรรมและสร้างแอปพลิเคชัน AI ร่วมกับลูกค้าในอุตสาหกรรมต่างๆ ในฐานะผู้นำด้านเทคนิค เธอช่วยลูกค้าเร่งความสำเร็จในการสร้างมูลค่าทางธุรกิจผ่านโซลูชัน AI ที่สร้างบน Amazon Bedrock ในเวลาว่าง ไมร่าสนุกกับการท่องเที่ยว เล่นกับแมวสมิล่า และใช้เวลากับครอบครัวในสถานที่อันอบอุ่น
แดนี มิตเชลล์ เป็นสถาปนิกโซลูชันผู้เชี่ยวชาญ AI/ML ที่ Amazon Web Services เขามุ่งเน้นไปที่กรณีการใช้งานคอมพิวเตอร์วิทัศน์และช่วยเหลือลูกค้าทั่ว EMEA เร่งการเดินทาง ML
ภารตี ศรีนิวาสัน เป็นนักวิทยาศาสตร์ข้อมูลที่ AWS Professional Services ซึ่งเธอชอบสร้างสิ่งเจ๋งๆ บน Amazon Bedrock เธอหลงใหลในการขับเคลื่อนมูลค่าทางธุรกิจจากแอปพลิเคชันแมชชีนเลิร์นนิง โดยมุ่งเน้นไปที่ AI ที่มีความรับผิดชอบ นอกเหนือจากการสร้างประสบการณ์ AI ใหม่ให้กับลูกค้าแล้ว Bharathi ยังชอบเขียนนิยายวิทยาศาสตร์และท้าทายตัวเองด้วยกีฬาที่ใช้ความอดทน
อาชิน เจน เป็นนักวิทยาศาสตร์ประยุกต์ในทีม Amazon Artificial General Intelligence (AGI) เขามีความเชี่ยวชาญในด้านโมเดลข้อความเป็นรูปภาพ และมุ่งเน้นที่การสร้าง Amazon Titan Image Generator
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
- เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
- เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
- เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
- ที่มา: https://aws.amazon.com/blogs/machine-learning/fine-tune-your-amazon-titan-image-generator-g1-model-using-amazon-bedrock-model-customization/
- :มี
- :เป็น
- :ไม่
- :ที่ไหน
- 000
- 1
- 10
- 100
- 225
- 250
- 30
- 300
- 40
- 60
- 7
- 8
- 9
- 937
- a
- ความสามารถ
- สามารถ
- เกี่ยวกับเรา
- เร่งความเร็ว
- เข้า
- ตาม
- ลงชื่อเข้าใช้
- ความถูกต้อง
- ถูกต้อง
- ผลสัมฤทธิ์
- ข้าม
- จริง
- ปรับ
- เพิ่ม
- เพิ่มเติม
- ข้อมูลเพิ่มเติม
- ที่อยู่
- เพียงพอ
- สูง
- ความได้เปรียบ
- การโฆษณา
- หลังจาก
- AGI
- AI
- ข้อมูล AI
- AI / ML
- ช่วย
- ทั้งหมด
- จัดสรร
- การจัดสรร
- อนุญาต
- การอนุญาต
- ช่วยให้
- แล้ว
- ด้วย
- แม้ว่า
- อเมซอน
- Amazon Web Services
- จำนวน
- an
- และ
- ใด
- API
- APIs
- ปรากฏ
- การใช้งาน
- ประยุกต์
- สถาปนิก
- เป็น
- เทียม
- ปัญญาประดิษฐ์ทั่วไป
- AS
- At
- การอนุญาต
- ใช้ได้
- หลีกเลี่ยง
- AWS
- บริการระดับมืออาชีพของ AWS
- พื้นหลัง
- ฐาน
- BE
- เพราะ
- ก่อน
- เริ่ม
- กำลัง
- ที่ดีที่สุด
- ดีกว่า
- ระหว่าง
- Black
- ทั้งสอง
- กล่อง
- ยี่ห้อ
- กว้าง
- สร้าง
- การก่อสร้าง
- ธุรกิจ
- แต่
- by
- โทรศัพท์
- ที่เรียกว่า
- ห้อง
- รณรงค์
- CAN
- ความสามารถในการ
- ความจุ
- คำอธิบายภาพ
- จับ
- รถ
- กรณี
- กรณี
- แมว
- หมวดหมู่
- แมว
- ท้าทาย
- การเปลี่ยนแปลง
- ลักษณะ
- chatbots
- ตรวจสอบ
- ทางเลือก
- Choose
- เลือก
- คริสต์มาส
- เมือง
- ความชัดเจน
- ชั้น
- ชั้นเรียน
- ใกล้ชิด
- รหัส
- ความมุ่งมั่น
- สมบูรณ์
- คอมพิวเตอร์
- วิสัยทัศน์คอมพิวเตอร์
- ความสับสน
- การเชื่อมต่อ
- พิจารณา
- คงเส้นคงวา
- ปลอบใจ
- บริบท
- ตามบริบท
- อย่างต่อเนื่อง
- ควบคุม
- เย็น
- สำเนา
- แก้ไข
- ราคา
- ได้
- สร้าง
- ที่สร้างขึ้น
- การสร้าง
- ความคิดสร้างสรรค์
- ประเพณี
- ลูกค้า
- ประสบการณ์ของลูกค้า
- ลูกค้า
- การปรับแต่ง
- การปรับแต่ง
- ตัดขอบ
- ข้อมูล
- นักวิทยาศาสตร์ข้อมูล
- ชุดข้อมูล
- ขึ้นอยู่กับ
- ปรับใช้
- การใช้งาน
- อธิบาย
- ออกแบบ
- กำหนด
- การออกแบบ
- รายละเอียด
- รายละเอียด
- พัฒนาการ
- แผนภาพ
- ต่าง
- ยาก
- โดยตรง
- สนทนา
- กล่าวถึง
- ทำ
- สุนัข
- ทำ
- Dont
- การขับขี่
- แต่ละ
- ตะวันออก
- EMEA
- ลูกจ้าง
- ช่วยให้
- ที่มีการเข้ารหัส
- ชั้นเยี่ยม
- เสริม
- พอ
- เข้าสู่
- ความบันเทิง
- แม้
- ตัวอย่าง
- ตัวอย่าง
- ที่มีอยู่
- ที่คาดหวัง
- คาดว่า
- ประสบการณ์
- ประสบการณ์
- การทดลอง
- ความชำนาญ
- ที่เปิดเผย
- ล้มเหลว
- ครอบครัว
- แฟชั่น
- เร็วขึ้น
- ที่ชื่นชอบ
- นิยาย
- เนื้อไม่มีมัน
- ในที่สุด
- ปลาย
- การแก้ไข
- ชั้น
- โฟกัส
- มุ่งเน้น
- ดังต่อไปนี้
- สำหรับ
- รูป
- ฟรี
- ราคาเริ่มต้นที่
- เต็ม
- อย่างเต็มที่
- g1
- เกม
- General
- ปัญญาทั่วไป
- สร้าง
- สร้าง
- สร้าง
- การสร้าง
- รุ่น
- กำเนิด
- กำเนิด AI
- เครื่องกำเนิดไฟฟ้า
- ได้รับ
- กำหนด
- ดี
- กราฟิก
- ให้คำแนะนำ
- แนวทาง
- จัดการ
- การจัดการ
- มี
- he
- หนัก
- ยกของหนัก
- การช่วยเหลือ
- จะช่วยให้
- เธอ
- อย่างสูง
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- อย่างไรก็ตาม
- HTML
- ที่ http
- HTTPS
- ตัวบ่งชี้
- เอกลักษณ์
- if
- แสดงให้เห็นถึง
- ภาพ
- ภาพ
- ภาพ
- ดื่มด่ำ
- ปรับปรุง
- การปรับปรุง
- in
- ในอื่น ๆ
- ประกอบด้วย
- รวมถึง
- รวมทั้ง
- ที่เพิ่มขึ้น
- อิสระ
- อุตสาหกรรม
- มีอิทธิพล
- ข้อมูล
- นักวิเคราะห์ส่วนบุคคลที่หาโอกาสให้เป็นไปได้มากที่สุด
- อินพุต
- แทน
- Intelligence
- การโต้ตอบ
- IT
- ITS
- การสัมภาษณ์
- งาน
- การเดินทาง
- jpeg
- jpg
- JSON
- เพียงแค่
- ทราบ
- ใหญ่
- การวาง
- นำ
- เรียนรู้
- การเรียนรู้
- ช่วยให้
- ชั้น
- facelift
- กดไลก์
- Line
- เส้น
- ที่ตั้งอยู่
- ตรรกะ
- นาน
- ดู
- ปิด
- รัก
- เครื่อง
- เรียนรู้เครื่อง
- การจัดการ
- คู่มือ
- การผลิต
- ภาพบรรยากาศ
- ตัวชี้วัด
- ML
- โหมด
- แบบ
- โมเดล
- ข้อมูลเพิ่มเติม
- ยิ่งไปกว่านั้น
- หลาย
- ต้อง
- ชื่อ
- ชื่อ
- การเดินเรือ
- จำเป็น
- จำเป็นต้อง
- เครือข่าย
- ใหม่
- ถัดไป
- ตอนนี้
- จำนวน
- วัตถุ
- สังเกต
- of
- on
- ตามความต้องการ
- เพียง
- ดีที่สุด
- or
- ออริกอน
- อื่นๆ
- ของเรา
- ออก
- เอาท์พุต
- เอาท์พุท
- ด้านนอก
- เกิน
- ของตนเอง
- เป็นเจ้าของ
- หน้า
- คู่
- บานหน้าต่าง
- พารามิเตอร์
- หลงใหล
- เส้นทาง
- ดำเนินการ
- การปฏิบัติ
- สิทธิ์
- คน
- ส่วนบุคคล
- สัตว์เลี้ยง
- ภาพถ่าย
- การวางแผน
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- เล่น
- สระ
- ความเป็นไปได้
- เป็นไปได้
- โพสต์
- การปฏิบัติ
- คาดการณ์
- เตรียมการ
- ก่อน
- การตั้งราคา
- ความเป็นส่วนตัว
- ส่วนตัว
- กระบวนการ
- แปรรูปแล้ว
- การประมวลผล
- การผลิต
- มืออาชีพ
- แจ้ง
- เป็นเจ้าของ
- ให้
- ให้
- ผู้ให้บริการ
- ให้
- การให้
- ซื้อ
- อย่างรวดเร็ว
- คะแนน
- พร้อม
- แนะนำ
- บันทึก
- อ้างอิง
- ภูมิภาค
- ภูมิภาค
- ตรงประเด็น
- ยังคง
- ซากศพ
- จำเป็นต้องใช้
- ความต้องการ
- อาศัยอยู่
- รับผิดชอบ
- REST
- ผลสอบ
- ค้าปลีก
- บทบาท
- RON
- วิ่ง
- เดียวกัน
- ตัวอย่าง
- ที่บันทึกไว้
- ตาชั่ง
- วิทยาศาสตร์
- นิยายวิทยาศาสตร์
- นักวิทยาศาสตร์
- ภาพหน้าจอ
- ได้อย่างลงตัว
- ที่สอง
- Section
- เห็น
- เลือก
- เลือก
- ระดับอาวุโส
- serverless
- บริการ
- บริการ
- ชุด
- ที่ใช้ร่วมกัน
- เธอ
- โชว์
- แสดงให้เห็นว่า
- แสดง
- แสดงให้เห็นว่า
- สัญญาณ
- คล้ายคลึงกัน
- เหมือนกับ
- ง่าย
- ง่ายดาย
- นั่ง
- ขนาด
- สมาร์ท
- So
- โซลูชัน
- บาง
- ผู้เชี่ยวชาญ
- โดยเฉพาะ
- การใช้จ่าย
- กีฬา
- มาตรฐาน
- เริ่มต้น
- ขั้นตอน
- ขั้นตอน
- การเก็บรักษา
- จัดเก็บ
- เก็บไว้
- การทำให้เพรียวลม
- โครงสร้าง
- สไตล์
- อย่างเช่น
- เพียงพอ
- ตาราง
- งาน
- งาน
- ทีม
- วิชาการ
- ระยะ
- ทดสอบ
- การทดสอบ
- เกี่ยวกับใจความ
- ที่
- พื้นที่
- ของพวกเขา
- พวกเขา
- แล้วก็
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- พวกเขา
- สิ่ง
- ของบุคคลที่สาม
- นี้
- ตลอด
- ปริมาณงาน
- เวลา
- ครั้ง
- ยักษ์
- ไปยัง
- รถไฟ
- ผ่านการฝึกอบรม
- การฝึกอบรม
- การเปลี่ยนแปลง
- การขนส่ง
- การเดินทาง
- ลอง
- พยายาม
- จูน
- สอง
- ชนิด
- ประเทศยูเครน
- เข้าใจ
- เป็นเอกลักษณ์
- หน่วย
- บันทึก
- ให้กับคุณ
- การปรับปรุง
- us
- ใช้
- ใช้กรณี
- มือสอง
- ผู้ใช้
- การใช้
- การตรวจสอบ
- ความคุ้มค่า
- ความคุ้มค่า
- ต่างๆ
- รุ่น
- ผ่านทาง
- virginia
- วิสัยทัศน์
- ภาพ
- เห็นภาพ
- ต้องการ
- ผู้สมัครที่รู้จักเรา
- we
- เว็บ
- บริการเว็บ
- ดี
- คือ
- ตะวันตก
- เมื่อ
- ที่
- ขาว
- ทำไม
- จะ
- หน้าต่าง
- กับ
- ไม่มี
- งาน
- เวิร์กโฟลว์
- จะ
- เขียน
- ปี
- ยัง
- คุณ
- ของคุณ
- ลมทะเล