วันนี้เรารู้สึกตื่นเต้นที่จะประกาศว่าโมเดลรากฐาน Code Llama ที่พัฒนาโดย Meta พร้อมให้ใช้งานสำหรับลูกค้าผ่านทาง Amazon SageMaker JumpStart เพื่อปรับใช้ด้วยการคลิกเพียงครั้งเดียวสำหรับการอนุมาน Code Llama เป็นโมเดลภาษาขนาดใหญ่ (LLM) ที่ล้ำสมัยที่สามารถสร้างโค้ดและภาษาธรรมชาติเกี่ยวกับโค้ดจากทั้งโค้ดและภาษาธรรมชาติ คุณสามารถลองใช้โมเดลนี้กับ SageMaker JumpStart ซึ่งเป็นฮับแมชชีนเลิร์นนิง (ML) ที่ให้การเข้าถึงอัลกอริทึม โมเดล และโซลูชัน ML เพื่อให้คุณสามารถเริ่มต้นใช้งาน ML ได้อย่างรวดเร็ว ในโพสต์นี้ เราจะอธิบายวิธีการค้นหาและปรับใช้โมเดล Code Llama ผ่าน SageMaker JumpStart
โค๊ดลามะ
Code Llama เป็นโมเดลที่ออกโดย Meta ที่สร้างขึ้นบน Llama 2 โมเดลล้ำสมัยนี้ได้รับการออกแบบมาเพื่อปรับปรุงประสิทธิภาพการทำงานสำหรับงานการเขียนโปรแกรมสำหรับนักพัฒนา โดยช่วยให้พวกเขาสร้างโค้ดคุณภาพสูงและมีเอกสารประกอบอย่างดี โมเดลเหล่านี้เก่งใน Python, C++, Java, PHP, C#, TypeScript และ Bash และมีศักยภาพในการประหยัดเวลาของนักพัฒนาและทำให้เวิร์กโฟลว์ซอฟต์แวร์มีประสิทธิภาพมากขึ้น
มีสามรูปแบบที่ออกแบบมาเพื่อให้ครอบคลุมการใช้งานที่หลากหลาย: โมเดลพื้นฐาน (Code Llama), โมเดลเฉพาะทาง Python (Code Llama Python) และโมเดลตามคำสั่งสำหรับการทำความเข้าใจคำสั่งภาษาธรรมชาติ (Code Llama Instruct) Code Llama ทุกรูปแบบมีสี่ขนาด: พารามิเตอร์ 7B, 13B, 34B และ 70B ตัวแปรฐานและคำสั่ง 7B และ 13B รองรับการเติมตามเนื้อหาโดยรอบ ทำให้เหมาะสำหรับการใช้งานผู้ช่วยโค้ด แบบจำลองได้รับการออกแบบโดยใช้ Llama 2 เป็นฐาน จากนั้นฝึกอบรมเกี่ยวกับข้อมูลโค้ดโทเค็นจำนวน 500 พันล้านโทเค็น โดยเวอร์ชันพิเศษของ Python จะได้รับการฝึกอบรมเกี่ยวกับโทเค็นส่วนเพิ่ม 100 พันล้านโทเค็น โมเดล Code Llama มอบการสร้างที่เสถียรด้วยโทเค็นบริบทมากถึง 100,000 โทเค็น ทุกรุ่นได้รับการฝึกอบรมเกี่ยวกับลำดับโทเค็น 16,000 รายการ และแสดงการปรับปรุงอินพุตที่มีโทเค็นสูงสุด 100,000 รายการ
ซึ่งรุ่นนี้ก็ได้จัดทำขึ้นภายใต้ชื่อเดียวกัน ใบอนุญาตชุมชนเป็น Llama 2
โมเดลพื้นฐานใน SageMaker
SageMaker JumpStart ให้การเข้าถึงโมเดลต่างๆ จากฮับโมเดลยอดนิยม รวมถึง Hugging Face, PyTorch Hub และ TensorFlow Hub ซึ่งคุณสามารถใช้ภายในเวิร์กโฟลว์การพัฒนา ML ของคุณใน SageMaker ความก้าวหน้าล่าสุดใน ML ได้ก่อให้เกิดคลาสของโมเดลใหม่ที่เรียกว่า โมเดลรองพื้นซึ่งโดยทั่วไปแล้วจะได้รับการฝึกอบรมเกี่ยวกับพารามิเตอร์นับพันล้านรายการ และสามารถปรับให้เข้ากับกรณีการใช้งานประเภทต่างๆ มากมาย เช่น การสรุปข้อความ การสร้างงานศิลปะดิจิทัล และการแปลภาษา เนื่องจากโมเดลเหล่านี้มีราคาแพงในการฝึก ลูกค้าจึงต้องการใช้โมเดลพื้นฐานที่ได้รับการฝึกล่วงหน้าที่มีอยู่แล้ว และปรับแต่งตามความจำเป็น แทนที่จะฝึกโมเดลเหล่านี้ด้วยตนเอง SageMaker มีรายการโมเดลที่คัดสรรมาอย่างดีซึ่งคุณสามารถเลือกได้บนคอนโซล SageMaker
คุณสามารถค้นหาโมเดลพื้นฐานจากผู้ให้บริการโมเดลต่างๆ ภายใน SageMaker JumpStart ซึ่งช่วยให้คุณเริ่มต้นใช้งานโมเดลพื้นฐานได้อย่างรวดเร็ว คุณสามารถค้นหาโมเดลพื้นฐานตามงานหรือผู้ให้บริการโมเดลต่างๆ และตรวจสอบคุณลักษณะของโมเดลและเงื่อนไขการใช้งานได้อย่างง่ายดาย คุณยังสามารถลองใช้โมเดลเหล่านี้ได้โดยใช้วิดเจ็ต UI ทดสอบ เมื่อคุณต้องการใช้โมเดลพื้นฐานในวงกว้าง คุณสามารถทำได้โดยไม่ต้องออกจาก SageMaker โดยใช้สมุดบันทึกที่สร้างไว้ล่วงหน้าจากผู้ให้บริการโมเดล เนื่องจากโมเดลดังกล่าวโฮสต์และปรับใช้บน AWS คุณจึงมั่นใจได้ว่าข้อมูลของคุณ ไม่ว่าจะใช้สำหรับการประเมินหรือใช้โมเดลในวงกว้าง จะไม่ถูกแชร์กับบุคคลที่สาม
ค้นพบโมเดล Code Llama ใน SageMaker JumpStart
หากต้องการปรับใช้โมเดล Code Llama 70B ให้ทำตามขั้นตอนต่อไปนี้ใน สตูดิโอ Amazon SageMaker:
- บนหน้าแรกของ SageMaker Studio ให้เลือก เริ่มกระโดด ในบานหน้าต่างนำทาง
- ค้นหารุ่น Code Llama และเลือกรุ่น Code Llama 70B จากรายการรุ่นที่แสดง
คุณสามารถดูข้อมูลเพิ่มเติมเกี่ยวกับโมเดลนี้ได้บนการ์ดโมเดล Code Llama 70B
ภาพหน้าจอต่อไปนี้แสดงการตั้งค่าตำแหน่งข้อมูล คุณสามารถเปลี่ยนตัวเลือกหรือใช้ตัวเลือกเริ่มต้นได้
- ยอมรับข้อตกลงสิทธิ์การใช้งานสำหรับผู้ใช้ปลายทาง (EULA) และเลือก ปรับใช้.
นี่จะเป็นการเริ่มกระบวนการปรับใช้ตำแหน่งข้อมูล ดังที่แสดงในภาพหน้าจอต่อไปนี้
ปรับใช้โมเดลด้วย SageMaker Python SDK
หรือคุณสามารถปรับใช้ผ่านสมุดบันทึกตัวอย่างโดยเลือก เปิดสมุดบันทึก ในหน้ารายละเอียดโมเดลของ Classic Studio สมุดบันทึกตัวอย่างให้คำแนะนำตั้งแต่ต้นจนจบเกี่ยวกับวิธีการปรับใช้แบบจำลองสำหรับการอนุมานและล้างข้อมูลทรัพยากร
หากต้องการปรับใช้โดยใช้โน้ตบุ๊ก เราเริ่มต้นด้วยการเลือกรุ่นที่เหมาะสมซึ่งระบุโดย model_id
. คุณสามารถปรับใช้โมเดลที่เลือกใดๆ บน SageMaker ด้วยรหัสต่อไปนี้:
ซึ่งปรับใช้โมเดลบน SageMaker ด้วยการกำหนดค่าเริ่มต้น รวมถึงประเภทอินสแตนซ์เริ่มต้นและการกำหนดค่า VPC เริ่มต้น คุณสามารถเปลี่ยนการกำหนดค่าเหล่านี้ได้โดยการระบุค่าที่ไม่ใช่ค่าเริ่มต้นใน JumpStartโมเดล. โปรดทราบว่าโดยค่าเริ่มต้น accept_eula
ถูกตั้งค่าเป็น False
. คุณต้องตั้งค่า accept_eula=True
เพื่อปรับใช้ปลายทางได้สำเร็จ การทำเช่นนี้แสดงว่าคุณยอมรับข้อตกลงสิทธิ์การใช้งานของผู้ใช้และนโยบายการใช้งานที่ยอมรับได้ดังที่กล่าวไว้ข้างต้น นอกจากนี้คุณยังสามารถ ดาวน์โหลด ข้อตกลงใบอนุญาต
เรียกใช้ตำแหน่งข้อมูล SageMaker
หลังจากปรับใช้ตำแหน่งข้อมูลแล้ว คุณสามารถดำเนินการอนุมานได้โดยใช้ Boto3 หรือ SageMaker Python SDK ในโค้ดต่อไปนี้ เราใช้ SageMaker Python SDK เพื่อเรียกโมเดลสำหรับการอนุมานและพิมพ์การตอบกลับ:
ฟังก์ชั่น print_response
รับเพย์โหลดที่ประกอบด้วยเพย์โหลดและการตอบสนองของโมเดล แล้วพิมพ์เอาต์พุต Code Llama รองรับพารามิเตอร์มากมายในขณะที่ทำการอนุมาน:
- สูงสุด_ความยาว – โมเดลสร้างข้อความจนกระทั่งถึงความยาวของเอาต์พุต (ซึ่งรวมถึงความยาวบริบทอินพุต)
max_length
. หากระบุ จะต้องเป็นจำนวนเต็มบวก - max_new_tokens – โมเดลจะสร้างข้อความจนกระทั่งถึงความยาวเอาต์พุต (ไม่รวมความยาวบริบทอินพุต)
max_new_tokens
. หากระบุ จะต้องเป็นจำนวนเต็มบวก - num_beams – ระบุจำนวนคานที่ใช้ในการค้นหาโลภ หากระบุไว้ จะต้องเป็นจำนวนเต็มที่มากกว่าหรือเท่ากับ
num_return_sequences
. - no_repeat_ngram_size – ตัวแบบช่วยให้แน่ใจว่าลำดับของคำของ
no_repeat_ngram_size
ไม่ซ้ำในลำดับเอาต์พุต หากระบุ จะต้องเป็นจำนวนเต็มบวกที่มากกว่า 1 - อุณหภูมิ – สิ่งนี้จะควบคุมการสุ่มในเอาต์พุต สูงกว่า
temperature
ผลลัพธ์ที่ได้คือลำดับเอาต์พุตที่มีคำที่มีโอกาสต่ำและต่ำกว่าtemperature
ผลลัพธ์ที่ได้คือลำดับเอาต์พุตที่มีคำที่น่าจะเป็นไปได้สูง ถ้าtemperature
เป็น 0 ส่งผลให้มีการถอดรหัสอย่างละโมบ หากระบุไว้จะต้องเป็นค่าทศนิยมที่เป็นบวก - ต้น_หยุด - ถ้า
True
การสร้างข้อความจะเสร็จสิ้นเมื่อสมมติฐานบีมทั้งหมดถึงจุดสิ้นสุดของโทเค็นประโยค หากระบุไว้ จะต้องเป็นบูลีน - ทำ_ตัวอย่าง - ถ้า
True
โมเดลจะสุ่มตัวอย่างคำถัดไปตามความน่าจะเป็น หากระบุไว้ จะต้องเป็นบูลีน - ท็อป_เค – ในแต่ละขั้นตอนของการสร้างข้อความ โมเดลจะสุ่มตัวอย่างจากเฉพาะ
top_k
คำที่เป็นไปได้มากที่สุด หากระบุ จะต้องเป็นจำนวนเต็มบวก - ท็อป_พี – ในแต่ละขั้นตอนของการสร้างข้อความ โมเดลจะสุ่มตัวอย่างจากชุดคำที่เล็กที่สุดเท่าที่จะเป็นไปได้ด้วยความน่าจะเป็นสะสม
top_p
. หากระบุไว้ จะต้องเป็นแบบทศนิยมระหว่าง 0 ถึง 1 - return_full_text - ถ้า
True
ข้อความที่ป้อนจะเป็นส่วนหนึ่งของข้อความที่สร้างเอาต์พุต หากระบุไว้ จะต้องเป็นบูลีน ค่าเริ่มต้นสำหรับมันคือFalse
. - หยุด – หากระบุจะต้องเป็นรายการสตริง การสร้างข้อความจะหยุดลงหากมีการสร้างสตริงที่ระบุอย่างใดอย่างหนึ่ง
คุณสามารถระบุชุดย่อยของพารามิเตอร์เหล่านี้ได้ในขณะที่เรียกใช้ตำแหน่งข้อมูล ต่อไป เราจะแสดงตัวอย่างวิธีเรียกใช้จุดสิ้นสุดด้วยอาร์กิวเมนต์เหล่านี้
การเติมโค้ดให้สมบูรณ์
ตัวอย่างต่อไปนี้สาธิตวิธีการเติมโค้ดให้สมบูรณ์โดยที่การตอบสนองปลายทางที่คาดหวังคือความต่อเนื่องตามธรรมชาติของพร้อมท์
ก่อนอื่นเราจะรันโค้ดต่อไปนี้:
เราได้รับผลลัพธ์ต่อไปนี้:
สำหรับตัวอย่างถัดไป เราใช้โค้ดต่อไปนี้:
เราได้รับผลลัพธ์ต่อไปนี้:
การสร้างรหัส
ตัวอย่างต่อไปนี้แสดงการสร้างโค้ด Python โดยใช้ Code Llama
ก่อนอื่นเราจะรันโค้ดต่อไปนี้:
เราได้รับผลลัพธ์ต่อไปนี้:
สำหรับตัวอย่างถัดไป เราใช้โค้ดต่อไปนี้:
เราได้รับผลลัพธ์ต่อไปนี้:
นี่คือตัวอย่างบางส่วนของงานที่เกี่ยวข้องกับโค้ดโดยใช้ Code Llama 70B คุณสามารถใช้โมเดลเพื่อสร้างโค้ดที่ซับซ้อนยิ่งขึ้นได้ เราขอแนะนำให้คุณลองใช้กรณีการใช้งานและตัวอย่างที่เกี่ยวข้องกับโค้ดของคุณเอง!
ทำความสะอาด
หลังจากที่คุณทดสอบตำแหน่งข้อมูลแล้ว ตรวจสอบให้แน่ใจว่าคุณได้ลบตำแหน่งข้อมูลปลายทางการอนุมานของ SageMaker และโมเดลแล้ว เพื่อหลีกเลี่ยงไม่ให้มีค่าใช้จ่ายเกิดขึ้น ใช้รหัสต่อไปนี้:
สรุป
ในโพสต์นี้ เราได้แนะนำ Code Llama 70B บน SageMaker JumpStart Code Llama 70B เป็นโมเดลที่ล้ำสมัยสำหรับการสร้างโค้ดจากคำสั่งภาษาธรรมชาติและโค้ด คุณสามารถปรับใช้โมเดลด้วยขั้นตอนง่ายๆ เพียงไม่กี่ขั้นตอนใน SageMaker JumpStart จากนั้นใช้เพื่อดำเนินงานที่เกี่ยวข้องกับโค้ด เช่น การสร้างโค้ดและการเติมโค้ด ในขั้นตอนถัดไป ให้ลองใช้โมเดลกับกรณีการใช้งานและข้อมูลที่เกี่ยวข้องกับโค้ดของคุณเอง
เกี่ยวกับผู้แต่ง
ดร.ไคล์ อูลริช เป็นนักวิทยาศาสตร์ประยุกต์กับทีม Amazon SageMaker JumpStart งานวิจัยที่เขาสนใจ ได้แก่ อัลกอริธึมแมชชีนเลิร์นนิงที่ปรับขนาดได้ คอมพิวเตอร์วิทัศน์ อนุกรมเวลา เบส์ที่ไม่ใช่พารามิเตอร์ และกระบวนการเกาส์เซียน ปริญญาเอกของเขามาจาก Duke University และเขาได้ตีพิมพ์บทความใน NeurIPS, Cell และ Neuron
ดร.ฟารุค ซาบีร์ เป็นสถาปนิกอาวุโสด้านปัญญาประดิษฐ์และผู้เชี่ยวชาญด้านการเรียนรู้ของเครื่องที่ AWS เขาสำเร็จการศึกษาระดับปริญญาเอกและปริญญาโทสาขาวิศวกรรมไฟฟ้าจากมหาวิทยาลัยเทกซัสออสติน และปริญญาโทสาขาวิทยาการคอมพิวเตอร์จากสถาบันเทคโนโลยีจอร์เจีย เขามีประสบการณ์การทำงานมากกว่า 15 ปี และยังชอบสอนและให้คำปรึกษาแก่นักศึกษาอีกด้วย ที่ AWS เขาช่วยลูกค้ากำหนดและแก้ปัญหาทางธุรกิจในด้านวิทยาศาสตร์ข้อมูล การเรียนรู้ของเครื่อง คอมพิวเตอร์วิทัศน์ ปัญญาประดิษฐ์ การเพิ่มประสิทธิภาพเชิงตัวเลข และโดเมนที่เกี่ยวข้อง เขาและครอบครัวอาศัยอยู่ในเมืองดัลลัส รัฐเท็กซัส รักการเดินทางและเดินทางไกล
จูน วอน เป็นผู้จัดการผลิตภัณฑ์ของ SageMaker JumpStart เขามุ่งเน้นที่การสร้างแบบจำลองพื้นฐานที่ค้นพบได้ง่ายและใช้งานได้ เพื่อช่วยลูกค้าสร้างแอปพลิเคชัน AI เชิงกำเนิด ประสบการณ์ของเขาที่ Amazon ยังรวมถึงแอปพลิเคชันการช็อปปิ้งบนมือถือและการจัดส่งในระยะทางสุดท้าย
- 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/code-llama-70b-is-now-available-in-amazon-sagemaker-jumpstart/
- :มี
- :เป็น
- :ไม่
- :ที่ไหน
- $ ขึ้น
- 000
- 1
- 10
- 100
- 11
- 12
- 13
- 14
- 15%
- 16
- 22
- 25
- 500
- 7
- 80
- 9
- a
- เกี่ยวกับเรา
- ยอมรับ
- ยอมรับได้
- การยอมรับ
- เข้า
- ความก้าวหน้า
- ข้อตกลง
- AI
- อัลกอริทึม
- ทั้งหมด
- ด้วย
- อเมซอน
- อเมซอน SageMaker
- Amazon SageMaker JumpStart
- Amazon Web Services
- an
- และ
- ประกาศ
- ใด
- การใช้งาน
- การใช้งาน
- ประยุกต์
- เหมาะสม
- เป็น
- ข้อโต้แย้ง
- ศิลปะ
- เทียม
- ปัญญาประดิษฐ์
- ปัญญาประดิษฐ์และการเรียนรู้ด้วยเครื่อง
- AS
- ผู้ช่วย
- มั่นใจ
- At
- ออสติน
- ใช้ได้
- หลีกเลี่ยง
- AWS
- ฐาน
- ตาม
- ทุบตี
- เบย์เซียน
- BE
- คาน
- เพราะ
- ระหว่าง
- พันล้าน
- พันล้านโทเค็น
- พันล้าน
- ทั้งสอง
- ฟองสบู่
- สร้าง
- สร้าง
- ธุรกิจ
- by
- C + +
- โทรศัพท์
- CAN
- สามารถ
- บัตร
- พกพา
- กรณี
- หมวดหมู่
- เซลล์
- เปลี่ยนแปลง
- ลักษณะ
- โหลด
- Choose
- เลือก
- ชั้น
- คลาสสิก
- ปลาเดยส์
- คลิก
- รหัส
- วิทยาลัย
- อย่างไร
- มา
- สมบูรณ์
- เสร็จสิ้น
- ซับซ้อน
- คอมพิวเตอร์
- วิทยาการคอมพิวเตอร์
- วิสัยทัศน์คอมพิวเตอร์
- ประกอบด้วย
- ปลอบใจ
- เนื้อหา
- สิ่งแวดล้อม
- ความต่อเนื่อง
- การควบคุม
- หน้าปก
- สร้าง
- curated
- ลูกค้า
- ดัลลัส
- ข้อมูล
- วิทยาศาสตร์ข้อมูล
- ถอดรหัส
- ค่าเริ่มต้น
- การจัดส่ง
- สาธิต
- ปรับใช้
- นำไปใช้
- การใช้งาน
- Deploys
- ได้รับการออกแบบ
- รายละเอียด
- พัฒนา
- นักพัฒนา
- พัฒนาการ
- ต่าง
- ดิจิตอล
- ศิลปะดิจิตอล
- ค้นพบ
- do
- การทำ
- โดเมน
- ดยุค
- มหาวิทยาลัยดุ๊ก
- แต่ละ
- ก่อน
- อย่างง่ายดาย
- ที่มีประสิทธิภาพ
- การเปิดใช้งาน
- ส่งเสริม
- ปลาย
- จบสิ้น
- ปลายทาง
- วิศวกรรม
- ชั้นเยี่ยม
- เพื่อให้แน่ใจ
- เท่ากัน
- ความผิดพลาด
- การประเมินการ
- แม้
- ตัวอย่าง
- ตัวอย่าง
- Excel
- ยกเว้น
- ตื่นเต้น
- ไม่รวม
- ที่มีอยู่
- ที่คาดหวัง
- แพง
- ประสบการณ์
- ที่ชี้แจง
- ใบหน้า
- ครอบครัว
- สองสาม
- หา
- ชื่อจริง
- ลอย
- มุ่งเน้นไปที่
- ดังต่อไปนี้
- สำหรับ
- รากฐาน
- พื้นฐาน
- สี่
- ราคาเริ่มต้นที่
- ฟังก์ชัน
- สร้าง
- สร้าง
- สร้าง
- การสร้าง
- รุ่น
- ชั่วอายุคน
- กำเนิด
- กำเนิด AI
- จอร์เจีย
- ได้รับ
- กำหนด
- Go
- มากขึ้น
- โลภ
- คำแนะนำ
- มี
- he
- ช่วย
- การช่วยเหลือ
- จะช่วยให้
- ที่มีคุณภาพสูง
- สูงกว่า
- ของเขา
- ถือ
- หน้าแรก
- เจ้าภาพ
- เป็นเจ้าภาพ
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- HTTPS
- Hub
- ฮับ
- i
- ในอุดมคติ
- if
- นำเข้า
- ปรับปรุง
- การปรับปรุง
- in
- ประกอบด้วย
- รวมถึง
- รวมทั้ง
- ที่เพิ่มขึ้น
- ข้อมูล
- อินพุต
- ปัจจัยการผลิต
- ตัวอย่าง
- สถาบัน
- คำแนะนำการใช้
- Intelligence
- ผลประโยชน์
- แนะนำ
- IT
- ชวา
- jpg
- ที่รู้จักกัน
- Kyle
- ภาษา
- ใหญ่
- ชื่อสกุล
- การเรียนรู้
- การออกจาก
- ความยาว
- License
- ความเป็นไปได้
- น่าจะ
- ยอดไลก์
- รายการ
- ดูรายละเอียด
- LLM
- นาน
- ความรัก
- ลด
- เครื่อง
- เรียนรู้เครื่อง
- ทำ
- ทำ
- การทำ
- ผู้จัดการ
- หลาย
- กล่าวถึง
- ที่ปรึกษา
- Meta
- ไมล์
- ML
- โทรศัพท์มือถือ
- แบบ
- โมเดล
- ข้อมูลเพิ่มเติม
- มีประสิทธิภาพมากขึ้น
- มากที่สุด
- MS
- ต้อง
- โดยธรรมชาติ
- การเดินเรือ
- จำเป็นต้อง
- จำเป็น
- ไม่เคย
- ใหม่
- ถัดไป
- หมายเหตุ
- สมุดบันทึก
- ตอนนี้
- จำนวน
- of
- on
- ONE
- คน
- เพียง
- การเพิ่มประสิทธิภาพ
- Options
- or
- ของเรา
- ออก
- เอาท์พุต
- เกิน
- ของตนเอง
- หน้า
- บานหน้าต่าง
- เอกสาร
- พารามิเตอร์
- ส่วนหนึ่ง
- คู่กรณี
- ต่อ
- ดำเนินการ
- ที่มีประสิทธิภาพ
- phd
- PHP
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- นโยบาย
- ยอดนิยม
- บวก
- เป็นไปได้
- โพสต์
- ที่มีศักยภาพ
- Predictor
- พิมพ์
- พิมพ์
- ปัญหาที่เกิดขึ้น
- กระบวนการ
- กระบวนการ
- ผลิตภัณฑ์
- ผู้จัดการผลิตภัณฑ์
- ผลผลิต
- การเขียนโปรแกรม
- แจ้ง
- ให้
- ผู้ให้บริการ
- ให้
- การตีพิมพ์
- หลาม
- ไฟฉาย
- อย่างรวดเร็ว
- สุ่ม
- พิสัย
- ค่อนข้าง
- มาถึง
- ต้นน้ำ
- เมื่อเร็ว ๆ นี้
- ที่เกี่ยวข้อง
- การเผยแพร่
- ซ้ำแล้วซ้ำอีก
- การวิจัย
- แหล่งข้อมูล
- คำตอบ
- REST
- ผลสอบ
- กลับ
- ย้อนกลับ
- ทบทวน
- ขึ้น
- ถนน
- วิ่ง
- วิ่ง
- sagemaker
- การอนุมาน SageMaker
- เดียวกัน
- ลด
- ที่ปรับขนาดได้
- ขนาด
- วิทยาศาสตร์
- นักวิทยาศาสตร์
- SDK
- ค้นหา
- เลือก
- การเลือก
- ระดับอาวุโส
- ประโยค
- ลำดับ
- ชุด
- บริการ
- ชุด
- การตั้งค่า
- ที่ใช้ร่วมกัน
- ช้อปปิ้ง
- โชว์
- แสดง
- แสดงให้เห็นว่า
- ง่าย
- ขนาด
- So
- ซอฟต์แวร์
- โซลูชัน
- แก้
- บาง
- ผู้เชี่ยวชาญ
- เฉพาะ
- ที่ระบุไว้
- ระบุ
- มั่นคง
- เริ่มต้น
- ข้อความที่เริ่ม
- รัฐของศิลปะ
- ขั้นตอน
- ขั้นตอน
- หยุด
- เชือก
- นักเรียน
- สตูดิโอ
- ประสบความสำเร็จ
- อย่างเช่น
- สนับสนุน
- รองรับ
- แน่ใจ
- ที่ล้อมรอบ
- ใช้เวลา
- งาน
- ทีม
- เทคโนโลยี
- tensorflow
- เงื่อนไขการใช้บริการ
- ทดสอบ
- การทดสอบ
- เท็กซัส
- ข้อความ
- กว่า
- ที่
- พื้นที่
- ของพวกเขา
- พวกเขา
- ตัวเอง
- แล้วก็
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- ที่สาม
- บุคคลที่สาม
- นี้
- สาม
- ตลอด
- เวลา
- อนุกรมเวลา
- ไปยัง
- โทเค็น
- ราชสกุล
- ด้านบน
- รถไฟ
- ผ่านการฝึกอบรม
- การแปลภาษา
- การเดินทาง
- สำรวจ
- จริง
- ลอง
- ชนิด
- ประเภท
- เป็นปกติ
- ui
- ภายใต้
- ความเข้าใจ
- มหาวิทยาลัย
- จนกระทั่ง
- ใช้ได้
- การใช้
- ใช้
- มือสอง
- ผู้ใช้งาน
- การใช้
- ความคุ้มค่า
- ความคุ้มค่า
- ความหลากหลาย
- รุ่น
- ผ่านทาง
- วิสัยทัศน์
- เดิน
- ต้องการ
- we
- เว็บ
- บริการเว็บ
- ดี
- คือ
- เมื่อ
- ว่า
- ที่
- ในขณะที่
- กว้าง
- วิดเจ็ต
- จะ
- กับ
- ภายใน
- ไม่มี
- คำ
- คำ
- งาน
- เวิร์กโฟลว์
- ขั้นตอนการทำงาน
- เขียน
- ปี
- คุณ
- ของคุณ
- ลมทะเล