Amazon SageMaker JumpStart เป็นฮับแมชชีนเลิร์นนิง (ML) ที่นำเสนออัลกอริทึม โมเดล และโซลูชัน ML ด้วย SageMaker JumpStart ผู้ปฏิบัติงานด้าน ML สามารถเลือกจากรายการที่มีประสิทธิภาพดีที่สุดและเผยแพร่สู่สาธารณะมากขึ้นเรื่อยๆ โมเดลรองพื้น (FMs) เช่น BLOOM, ลามะ 2, ฟอลคอน-40บี, การแพร่กระจายที่เสถียร, OpenLLaMA, ประหม่า-T5/UL2หรือเอฟเอ็มจาก รวมกัน และ เปิดไฟ.
ในโพสต์นี้และโน้ตบุ๊กที่ให้มา เราจะสาธิตวิธีปรับใช้รุ่นพื้นฐาน BloomZ 176B โดยใช้ SageMaker Python ทำให้ SDK ง่ายขึ้น in Amazon SageMaker JumpStart เป็นจุดสิ้นสุดและใช้สำหรับงานประมวลผลภาษาธรรมชาติ (NLP) ต่างๆ คุณยังสามารถเข้าถึงโมเดลพื้นฐานได้ สตูดิโอ Amazon SageMaker. รุ่น BloomZ 176B ซึ่งเป็นหนึ่งในรุ่นที่ใหญ่ที่สุดที่เผยแพร่สู่สาธารณะ เป็นรุ่นที่ปรับแต่งคำสั่งที่ทันสมัย ซึ่งสามารถดำเนินการเรียนรู้แบบไม่กี่ช็อตในบริบทและงาน NLP การเรียนรู้แบบ Zero-shot ได้หลากหลาย การปรับคำสั่งเป็นเทคนิคที่เกี่ยวข้องกับการปรับแต่งโมเดลภาษาอย่างละเอียดในชุดของงาน NLP โดยใช้คำสั่ง หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับการปรับคำสั่ง โปรดดูที่ การแจ้งเตือนแบบ Zero-shot สำหรับรุ่นพื้นฐาน Flan-T5 ใน Amazon SageMaker JumpStart.
การเรียนรู้แบบ Zero-shot ใน NLP ช่วยให้ LLM ที่ผ่านการฝึกอบรมมาล่วงหน้าสามารถสร้างการตอบสนองต่องานที่ไม่ได้รับการฝึกอบรมมาโดยเฉพาะ ในเทคนิคนี้ แบบจำลองจะได้รับข้อความป้อนเข้าและพร้อมต์ที่อธิบายผลลัพธ์ที่คาดหวังจากแบบจำลองในภาษาธรรมชาติ การเรียนรู้แบบ Zero-shot ถูกนำมาใช้ในงาน NLP ที่หลากหลาย เช่น:
- ข้อความหลายภาษาและการจำแนกความรู้สึก
- คำถามและคำตอบหลายภาษา
- การสร้างรหัส
- ย่อหน้าใหม่
- สรุป
- การใช้เหตุผลตามสามัญสำนึกและการอนุมานด้วยภาษาธรรมชาติ
- ตอบคำถาม
- ประโยคและการจำแนกความรู้สึก
- การสร้างบทความในจินตนาการตามชื่อเรื่อง
- สรุปชื่อเรื่องตามบทความ
การเรียนรู้ไม่กี่ช็อตเกี่ยวข้องกับการฝึกโมเดลเพื่อทำงานใหม่โดยให้ตัวอย่างเพียงเล็กน้อย สิ่งนี้มีประโยชน์เมื่อมีข้อมูลที่มีป้ายกำกับจำกัดสำหรับการฝึกอบรม การเรียนรู้แบบไม่แสดงตัวถูกนำมาใช้ในงานต่างๆ รวมถึงสิ่งต่อไปนี้:
- การสรุปข้อความ
- การสร้างรหัส
- การรับรู้ชื่อนิติบุคคล
- ตอบคำถาม
- ไวยากรณ์และการแก้ไขตัวสะกด
- รายละเอียดสินค้าและลักษณะทั่วไป
- ประโยคและการจำแนกความรู้สึก
- Chatbot และ AI สนทนา
- การสร้างทวีต
- เครื่องแปลภาษา
- การจำแนกเจตนา
เกี่ยวกับบลูม
โมเดลภาษา BigScience Large Open-science Open-access Multilingual (BLOOM) เป็นโมเดลภาษาขนาดใหญ่ (LLM) แบบ Transformer-based BLOOM เป็น LLM แบบ autoregressive ที่ได้รับการฝึกฝนให้ดำเนินการต่อข้อความจากข้อความแจ้งบนข้อมูลข้อความจำนวนมหาศาลโดยใช้ทรัพยากรการคำนวณในระดับอุตสาหกรรม ด้วยเหตุนี้ จึงสามารถแสดงข้อความที่สอดคล้องกันซึ่งแทบจะไม่สามารถแยกแยะได้จากข้อความที่เขียนโดยมนุษย์ นอกจากนี้ BLOOM ยังได้รับคำสั่งให้ทำงานด้านข้อความที่ไม่ได้รับการฝึกอบรมมาอย่างชัดเจนด้วยการแคสต์เป็นงานสร้างข้อความ
ด้วยพารามิเตอร์ 176 พันล้านพารามิเตอร์ BLOOM สามารถสร้างข้อความในภาษาธรรมชาติ 46 ภาษาและภาษาโปรแกรม 13 ภาษา สำหรับเกือบทุกภาษา เช่น สเปน ฝรั่งเศส และอาหรับ BLOOM เป็นโมเดลภาษาแรกที่มีพารามิเตอร์มากกว่า 100 พันล้านพารามิเตอร์ที่เคยสร้างมา นักวิจัยสามารถ ดาวน์โหลด รัน และศึกษา BLOOM เพื่อตรวจสอบประสิทธิภาพและพฤติกรรมของ LLM ที่พัฒนาขึ้นเมื่อเร็วๆ นี้ ไปจนถึงการดำเนินงานภายในที่ลึกที่สุด
ภาพรวมโซลูชัน
ในโพสต์นี้ เราจะแสดงวิธีการใช้รุ่น BloomZ 176B ที่ปรับแต่งตามคำสั่งที่ทันสมัยจาก กอดหน้า สำหรับการสร้างข้อความ คุณสามารถใช้โมเดล BloomZ 176B กับการเรียนรู้แบบไม่กี่ช็อตและการเรียนรู้แบบไม่มีช็อตสำหรับงาน NLP จำนวนมาก โดยไม่ต้องปรับแต่งโมเดลอย่างละเอียด ไม่จำเป็นต้องฝึกโมเดลใหม่ เพราะโมเดลอย่าง BloomZ 176B มีพารามิเตอร์จำนวนมาก ซึ่งสามารถปรับให้เข้ากับบริบทต่างๆ ได้อย่างง่ายดายโดยไม่ต้องฝึกใหม่ รุ่น BloomZ 176B ได้รับการฝึกอบรมด้วยข้อมูลจำนวนมาก ทำให้ใช้ได้กับงานทั่วไปหลายอย่าง
รหัสสำหรับขั้นตอนทั้งหมดในการสาธิตนี้มีอยู่ในรายการต่อไปนี้ สมุดบันทึก.
การปรับคำสั่ง
ขนาดและความซับซ้อนของ LLM ได้เพิ่มขึ้นอย่างมากในช่วงไม่กี่ปีที่ผ่านมา LLM ได้แสดงความสามารถที่โดดเด่นในการเรียนรู้ความหมายของภาษาธรรมชาติและสร้างการตอบสนองที่เหมือนมนุษย์ LLM ล่าสุดจำนวนมากได้รับการปรับแต่งด้วยเทคนิคอันทรงพลังที่เรียกว่า การปรับคำสั่งซึ่งช่วยให้โมเดลทำงานใหม่หรือสร้างการตอบสนองต่อข้อความแจ้งใหม่โดยไม่ต้องปรับแต่งเฉพาะข้อความแจ้ง โมเดลที่ปรับตามคำสั่งใช้ความเข้าใจในงานหรือแนวคิดที่เกี่ยวข้องเพื่อสร้างการคาดคะเนสำหรับข้อความแจ้งใหม่ เนื่องจากเทคนิคนี้ไม่เกี่ยวข้องกับการอัปเดตน้ำหนักโมเดล จึงหลีกเลี่ยงขั้นตอนที่ใช้เวลานานและมีค่าใช้จ่ายสูงในการคำนวณที่จำเป็นในการปรับแต่งโมเดลอย่างละเอียดสำหรับงานใหม่ที่ไม่เคยเห็นมาก่อน
การปรับคำสั่งเกี่ยวข้องกับการปรับแต่งโมเดลภาษาอย่างละเอียดในชุดของงาน NLP โดยใช้คำสั่ง ในเทคนิคนี้ แบบจำลองได้รับการฝึกฝนให้ทำงานโดยทำตามคำแนะนำที่เป็นข้อความแทนชุดข้อมูลเฉพาะสำหรับแต่ละงาน โมเดลได้รับการปรับแต่งอย่างละเอียดด้วยชุดตัวอย่างอินพุตและเอาต์พุตสำหรับแต่ละงาน ทำให้โมเดลสามารถสรุปงานใหม่ๆ ที่ไม่ได้รับการฝึกอบรมอย่างชัดเจน ตราบใดที่มีการแจ้งเตือนสำหรับงานนั้นๆ การปรับคำสั่งช่วยปรับปรุงความแม่นยำและประสิทธิภาพของโมเดล และมีประโยชน์ในสถานการณ์ที่ไม่มีชุดข้อมูลขนาดใหญ่สำหรับงานเฉพาะ
แจ้งวิศวกรรมสำหรับงาน NLP แบบ zero-shot และ little-shot ในรุ่น BLOOM
วิศวกรรมทันใจ เกี่ยวข้องกับการสร้างข้อความแจ้งคุณภาพสูงเพื่อแนะนำโมเดลไปสู่การตอบสนองที่ต้องการ จำเป็นต้องออกแบบพรอมต์ตามงานและชุดข้อมูลเฉพาะที่ใช้ เป้าหมายในที่นี้คือการให้ข้อมูลที่จำเป็นแก่โมเดลเพื่อสร้างการตอบสนองที่มีคุณภาพสูงในขณะที่ลดสัญญาณรบกวนให้เหลือน้อยที่สุด ซึ่งอาจเกี่ยวข้องกับคำหลัก บริบทเพิ่มเติม คำถาม และอื่นๆ
ข้อความแจ้งที่ออกแบบมาอย่างดีสามารถทำให้แบบจำลองมีความสร้างสรรค์มากขึ้นและทำให้เป็นแบบทั่วไป เพื่อให้สามารถปรับให้เข้ากับงานใหม่ได้อย่างง่ายดาย พรอมต์ยังสามารถช่วยรวมความรู้ด้านโดเมนเข้ากับงานเฉพาะและปรับปรุงความสามารถในการตีความ วิศวกรรมพรอมต์สามารถปรับปรุงประสิทธิภาพของโมเดลการเรียนรู้แบบ zero-shot และ little-shot ได้อย่างมาก การสร้างพร้อมต์คุณภาพสูงจำเป็นต้องพิจารณาอย่างรอบคอบเกี่ยวกับงานในมือ เช่นเดียวกับความเข้าใจอย่างลึกซึ้งเกี่ยวกับจุดแข็งและข้อจำกัดของโมเดล
ในตารางต่อไปนี้ ใช้โมเดล BloomZ 176B เพื่อสร้างการตอบสนองสำหรับงาน NLP แบบ zero-shot และ little-shot ต่างๆ คอลัมน์แรกแสดงงาน คอลัมน์ที่สองมีพรอมต์ที่ให้กับโมเดล (โดยที่ข้อความเทมเพลตเป็นตัวหนาและข้อความที่ไม่ใช่ตัวหนาคืออินพุตตัวอย่าง) และคอลัมน์ที่สามคือคำตอบจากโมเดลเมื่อสอบถามกับพรอมต์
สำหรับงานต่อไปนี้ทั้งหมด เราตั้งค่าไฮเปอร์พารามิเตอร์เป็น 600 เป็น max_length
, num_return_sequences
, top_k
เป็น 250, top_p
เท่ากับ 0.95 และไม่มีการสุ่มตัวอย่าง
งาน | อินพุตพร้อมท์ | เอาท์พุต |
งานการเรียนรู้แบบ Zero-shot | ||
ข้อความหลายภาษาหรือการจำแนกความรู้สึก (จีนเป็นภาษาอังกฤษ) | 一个传奇的部端,一个不灭的神话,这不仅仅是一部电影,而是作为一个走进新时代的标签,永远彪炳史册。คุณจะให้คะแนนรีวิวก่อนหน้านี้เป็นบวก เป็นกลาง หรือเป็นลบ | บวก |
การตอบคำถามหลายภาษา (อังกฤษเป็นจีน) | อธิบายให้ฉันฟังเป็นภาษาจีนตัวเต็ม backpropagation คืออะไร | 梯度反向传播算法是一种机器学习算法,用于训练人工神经网络。该算法使用梯度下降来最化损失函数. |
การสร้างรหัส | เขียนถึง ต้นไม้ค้นหาไบนารีด้วย O(log(n)) ความซับซ้อนในการคำนวณ {รหัส_เริ่มต้น} |
def binary_search (ก, x): ต่ำ = 0 สูง = เลน (a) – 1 ในขณะที่ต่ำ <= สูง: กลาง = (ต่ำ + สูง) // 2 ถ้า a[กลาง] < x: ต่ำ = กลาง + 1 elif a[กลาง] > x: สูง = กลาง – 1 อื่น: กลับกลางคัน กลับ -1 ' ... อื่น: กลับกลางคัน กลับต่ำ' เอาต์พุตถูกตัดทอน |
ย่อหน้าใหม่ | Amazon Web Services (AWS) ได้ประกาศอัปเดตใหม่ที่สำคัญ XNUMX รายการสำหรับแพลตฟอร์มแมชชีนเลิร์นนิงบนคลาวด์ SageMaker SageMaker มีเป้าหมายเพื่อให้บริการแมชชีนเลิร์นนิงซึ่งสามารถใช้ในการสร้าง ฝึกฝน และปรับใช้โมเดล ML สำหรับกรณีการใช้งานแทบทุกกรณี ในระหว่างการประชุม re:Invent ของปีนี้ AWS ได้ประกาศหลายรายการเพื่อปรับปรุงความสามารถของ SageMakerคุณจะใช้ถ้อยคำสั้น ๆ นั้นใหม่โดยใช้ภาษาอังกฤษว่าอย่างไร?,Amazon Web Services (AWS) ได้ประกาศอัปเดตใหม่ที่สำคัญ XNUMX รายการสำหรับแพลตฟอร์มแมชชีนเลิร์นนิงบนคลาวด์ SageMaker SageMaker มีเป้าหมายเพื่อให้บริการแมชชีนเลิร์นนิงซึ่งสามารถใช้ในการสร้าง ฝึกฝน และปรับใช้โมเดล ML สำหรับกรณีการใช้งานแทบทุกกรณี ในระหว่างการประชุม re:Invent ของปีนี้ AWS ได้ประกาศหลายรายการเพื่อปรับปรุงความสามารถของ SageMaker นประโยคข้างต้นซับซ้อนมาก โปรดระบุคำพ้องความหมายแบบง่ายซึ่งประกอบด้วยประโยคหลายประโยค: |
Amazon SageMaker ได้รับการอัปเดตครั้งใหญ่ Amazon Web Services (AWS) ได้ประกาศอัปเดตใหม่ที่สำคัญ XNUMX รายการสำหรับแพลตฟอร์มแมชชีนเลิร์นนิงบนคลาวด์ SageMaker SageMaker ตั้งเป้าที่จะให้บริการแมชชีนเลิร์นนิงที่สามารถใช้สร้าง ฝึกฝน และปรับใช้โมเดล ML สำหรับกรณีการใช้งานแทบทุกกรณี |
สรุป | Amazon Comprehend ใช้การประมวลผลภาษาธรรมชาติ (NLP) เพื่อดึงข้อมูลเชิงลึกเกี่ยวกับเนื้อหาของเอกสาร พัฒนาข้อมูลเชิงลึกโดยการจดจำเอนทิตี วลีสำคัญ ภาษา ความรู้สึก และองค์ประกอบทั่วไปอื่นๆ ในเอกสาร ใช้ Amazon Comprehend เพื่อสร้างผลิตภัณฑ์ใหม่ตามความเข้าใจโครงสร้างของเอกสาร ตัวอย่างเช่น เมื่อใช้ Amazon Comprehend คุณสามารถค้นหาฟีดเครือข่ายสังคมสำหรับการกล่าวถึงผลิตภัณฑ์ หรือสแกนที่เก็บเอกสารทั้งหมดเพื่อหาวลีสำคัญ คุณสามารถเข้าถึงความสามารถในการวิเคราะห์เอกสารของ Amazon Comprehend โดยใช้คอนโซล Amazon Comprehend หรือใช้ Amazon Comprehend API คุณสามารถเรียกใช้การวิเคราะห์ตามเวลาจริงสำหรับเวิร์กโหลดขนาดเล็ก หรือคุณสามารถเริ่มงานการวิเคราะห์แบบอะซิงโครนัสสำหรับชุดเอกสารขนาดใหญ่ได้ คุณสามารถใช้โมเดลที่ผ่านการฝึกอบรมล่วงหน้าซึ่ง Amazon Comprehend มีให้ หรือคุณสามารถฝึกโมเดลแบบกำหนดเองของคุณเองสำหรับการจัดประเภทและการจดจำเอนทิตี คุณลักษณะทั้งหมดของ Amazon Comprehend ยอมรับเอกสารข้อความ UTF-8 เป็นอินพุต นอกจากนี้ การจัดประเภทแบบกำหนดเองและการรับรู้เอนทิตีแบบกำหนดเองจะยอมรับไฟล์รูปภาพ ไฟล์ PDF และไฟล์ Word เป็นอินพุต Amazon Comprehend สามารถตรวจสอบและวิเคราะห์เอกสารในภาษาต่างๆ ได้ ขึ้นอยู่กับคุณสมบัติเฉพาะ สำหรับข้อมูลเพิ่มเติม โปรดดูภาษาที่รองรับใน Amazon Comprehend ความสามารถด้านภาษาที่โดดเด่นของ Amazon Comprehend สามารถตรวจสอบเอกสารและกำหนดภาษาหลักสำหรับการเลือกภาษาที่กว้างขึ้นได้ nn===nเขียนสรุปข้อความก่อนหน้าเป็นภาษาอังกฤษ: |
Amazon Comprehend ใช้การประมวลผลภาษาธรรมชาติ (NLP) เพื่อดึงข้อมูลเชิงลึกเกี่ยวกับเนื้อหาของเอกสาร พัฒนาข้อมูลเชิงลึกโดยการจดจำเอนทิตี วลีสำคัญ ภาษา ความรู้สึก และองค์ประกอบทั่วไปอื่นๆ ในเอกสาร ใช้ Amazon Comprehend เพื่อสร้างผลิตภัณฑ์ใหม่ตามความเข้าใจโครงสร้างของเอกสาร ตัวอย่างเช่น เมื่อใช้ Amazon Comprehend คุณสามารถค้นหาฟีดเครือข่ายสังคมสำหรับการกล่าวถึงผลิตภัณฑ์ หรือสแกนที่เก็บเอกสารทั้งหมดเพื่อหาวลีสำคัญ คุณสามารถเข้าถึงความสามารถในการวิเคราะห์เอกสารของ Amazon Comprehend โดยใช้คอนโซล Amazon Comprehend หรือใช้ Amazon Comprehend API คุณสามารถเรียกใช้การวิเคราะห์ตามเวลาจริงสำหรับเวิร์กโหลดขนาดเล็ก หรือคุณสามารถเริ่มงานการวิเคราะห์แบบอะซิงโครนัสสำหรับชุดเอกสารขนาดใหญ่ได้ คุณสามารถใช้โมเดลที่ผ่านการฝึกอบรมล่วงหน้าซึ่ง Amazon Comprehend มีให้ หรือคุณสามารถฝึกโมเดลแบบกำหนดเองของคุณเองสำหรับการจัดประเภทและการจดจำเอนทิตี คุณลักษณะทั้งหมดของ Amazon Comprehend ยอมรับเอกสารข้อความ UTF-8 เป็นอินพุต นอกจากนี้ การจัดประเภทแบบกำหนดเองและการรับรู้เอนทิตีแบบกำหนดเองจะยอมรับไฟล์รูปภาพ ไฟล์ PDF และไฟล์ Word เป็นอินพุต Amazon Comprehend สามารถตรวจสอบและวิเคราะห์เอกสารในภาษาต่างๆ ได้ ขึ้นอยู่กับคุณสมบัติเฉพาะ สำหรับข้อมูลเพิ่มเติม โปรดดูภาษาที่รองรับใน Amazon Comprehend ความสามารถด้านภาษาที่โดดเด่นของ Amazon Comprehend สามารถตรวจสอบเอกสารและระบุภาษาหลักสำหรับการเลือกภาษาที่กว้างขึ้น |
การใช้เหตุผลตามสามัญสำนึกและการอนุมานด้วยภาษาธรรมชาติ | ระบุว่า ฟุตบอลโลกเริ่มขึ้นที่ลอสแองเจลิส สหรัฐอเมริกา ว่าเป็นไปตามนั้น ฟุตบอลโลกเกิดขึ้นที่สหรัฐอเมริกา ใช่หรือไม่?, ฟุตบอลโลกเริ่มขึ้นที่ลอสแองเจลิส สหรัฐอเมริกา การใช้เพียงคำอธิบายด้านบนและสิ่งที่คุณรู้เกี่ยวกับโลกเท่านั้น “ฟุตบอลโลกเกิดขึ้นที่สหรัฐอเมริกา” ถูกต้องแน่นอน? ใช่หรือไม่?, |
ใช่ |
ตอบคำถาม | คำถาม: คุณสมบัติหลักของ Kindle ใหม่คืออะไรnnบริบท: Kindle ใหม่ล่าสุดและล้ำสมัยที่สุดยังให้คุณจดบันทึกเกี่ยวกับหนังสือและเอกสารหลายล้านเล่ม เขียนรายการและวารสาร และอื่นๆ อีกมากมาย สำหรับนักอ่านที่อยากเขียนใน eBook มาโดยตลอด Kindle ใหม่ของ Amazon ช่วยให้พวกเขาทำเช่นนั้นได้ Kindle Scribe เป็น Kindle รุ่นแรกสำหรับการอ่านและการเขียน และช่วยให้ผู้ใช้สามารถเสริมหนังสือและเอกสารของตนด้วยบันทึกย่อ รายการ และอื่นๆ นี่คือทุกสิ่งที่คุณจำเป็นต้องรู้เกี่ยวกับ Kindle Scribe รวมถึงคำถามที่พบบ่อย Kindle Scribe ช่วยให้อ่านและเขียนได้ง่ายเหมือนกับที่คุณทำบนกระดาษ Kindle Scribe มีหน้าจอไร้แสงสะท้อนขนาด 10.2 นิ้ว (ใหญ่ที่สุดในบรรดาอุปกรณ์ Kindle ทั้งหมด) ความละเอียด 300 ppi ที่คมชัด และไฟ LED ด้านหน้า 35 ดวงที่ปรับตามสภาพแวดล้อมของคุณโดยอัตโนมัติ ปรับแต่งประสบการณ์ของคุณเพิ่มเติมด้วยแสงอุ่นที่ปรับได้ ขนาดตัวอักษร ระยะห่างระหว่างบรรทัด และอื่นๆ มาพร้อมกับตัวเลือกปากกาพื้นฐานหรือปากกาพรีเมียม ซึ่งคุณใช้เขียนบนหน้าจอเหมือนเขียนบนกระดาษ พวกเขายังยึดติดกับ Kindle ของคุณด้วยแม่เหล็กและไม่จำเป็นต้องชาร์จ ปากกาพรีเมียมมียางลบโดยเฉพาะและปุ่มทางลัดที่ปรับแต่งได้ Kindle Scribe มีตัวเลือกพื้นที่เก็บข้อมูลมากที่สุดในบรรดาอุปกรณ์ Kindle ทั้งหมด: เลือกจาก 8 GB, 16 GB หรือ 32 GB เพื่อให้เหมาะกับระดับการอ่านและเขียนของคุณ ตอบ |
จดบันทึกในหนังสือและเอกสารหลายล้านเล่ม เขียนรายการและวารสาร และอื่นๆ |
ประโยคและการจำแนกความรู้สึก | รีวิว:นภาพยนตร์เรื่องนี้ยอดเยี่ยมมากและทำให้เราตื่นตาและสนุกสนานอีกครั้งประโยควิจารณ์หนังเรื่องนี้เป็นแง่ลบหรือแง่บวก?nตัวเลือก:n-บวก n-ลบ | บวก |
การสร้างบทความในจินตนาการตามชื่อเรื่อง | หัวข้อ: “มหาวิทยาลัยมีสิ่งอำนวยความสะดวกใหม่กำลังจะมาถึง”nกำหนดชื่อบทความจินตภาพตามชื่อข้างต้น ให้ลองนึกภาพบทความนั้น””” |
โครงการมูลค่า 1.2 ล้านปอนด์จะสร้างศูนย์การเรียนการสอนแห่งใหม่ที่มหาวิทยาลัย Highlands and Islands (UHI) ในเมืองอินเวอร์เนส มันจะถูกสร้างขึ้นบนที่ตั้งของ Inverness College of Commerce เดิม UHI กล่าวว่าสิ่งอำนวยความสะดวกใหม่จะใช้สำหรับการเรียนการสอน เช่นเดียวกับการสนับสนุนนักศึกษาและการบริหาร มหาวิทยาลัยกล่าวว่าจะใช้สำหรับการประชุมและกิจกรรมต่างๆ อาคารใหม่จะสร้างขึ้นบนที่ตั้งของวิทยาลัยพาณิชยศาสตร์อินเวอร์เนสเดิม มหาวิทยาลัยกล่าวว่าอาคารหลังใหม่จะสร้างขึ้นบนที่ตั้งของวิทยาลัย Inverness College of Commerce เดิมซึ่งปิดไปในปี 2013 โดยกล่าวว่าสถานที่ใหม่นี้จะใช้สำหรับการเรียนการสอน ตลอดจนการสนับสนุนและการบริหารจัดการนักศึกษา นอกจากนี้ยังจะใช้สำหรับการประชุมและกิจกรรมต่างๆ UHI กล่าวว่าสิ่งอำนวยความสะดวกใหม่จะสร้างขึ้นบนที่ตั้งของวิทยาลัยพาณิชยศาสตร์ Inverness เดิม มหาวิทยาลัยกล่าวว่าอาคารหลังใหม่จะสร้างขึ้นบนที่ตั้งของวิทยาลัย Inverness College of Commerce เดิมซึ่งปิดไปในปี 2013 โดยกล่าวว่าสถานที่ใหม่นี้จะใช้สำหรับการเรียนการสอน ตลอดจนการสนับสนุนและการบริหารจัดการนักศึกษา UHI กล่าวว่าโรงงานแห่งใหม่จะสร้างขึ้นบนที่ตั้งของอดีตเมืองอินเวอร์เนสส์... |
สรุปชื่อเรื่องตามบทความ | 'Kindle ใหม่ล่าสุดและล้ำสมัยที่สุดยังให้คุณจดบันทึกเกี่ยวกับหนังสือและเอกสารหลายล้านเล่ม เขียนรายการและวารสาร และอื่นๆ อีกมากมาย สำหรับนักอ่านที่อยากเขียนใน eBook มาโดยตลอด Kindle ใหม่ของ Amazon ช่วยให้พวกเขาทำเช่นนั้นได้ Kindle Scribe เป็น Kindle รุ่นแรกสำหรับการอ่านและการเขียน และช่วยให้ผู้ใช้สามารถเสริมหนังสือและเอกสารของตนด้วยบันทึกย่อ รายการ และอื่นๆ นี่คือทุกสิ่งที่คุณจำเป็นต้องรู้เกี่ยวกับ Kindle Scribe รวมถึงคำถามที่พบบ่อย Kindle Scribe ช่วยให้อ่านและเขียนได้ง่ายเหมือนกับที่คุณทำบนกระดาษ Kindle Scribe มีหน้าจอไร้แสงสะท้อนขนาด 10.2 นิ้ว (ใหญ่ที่สุดในบรรดาอุปกรณ์ Kindle ทั้งหมด) ความละเอียด 300 ppi ที่คมชัด และไฟ LED ด้านหน้า 35 ดวงที่ปรับตามสภาพแวดล้อมของคุณโดยอัตโนมัติ ปรับแต่งประสบการณ์ของคุณเพิ่มเติมด้วยแสงอุ่นที่ปรับได้ ขนาดตัวอักษร ระยะห่างระหว่างบรรทัด และอื่นๆ มาพร้อมกับตัวเลือกปากกาพื้นฐานหรือปากกาพรีเมียม ซึ่งคุณใช้เขียนบนหน้าจอเหมือนเขียนบนกระดาษ พวกเขายังยึดติดกับ Kindle ของคุณด้วยแม่เหล็กและไม่จำเป็นต้องชาร์จ ปากกาพรีเมียมมียางลบโดยเฉพาะและปุ่มทางลัดที่ปรับแต่งได้ Kindle Scribe มีตัวเลือกพื้นที่เก็บข้อมูลมากที่สุดในบรรดาอุปกรณ์ Kindle ทั้งหมด: เลือกจาก 8 GB, 16 GB หรือ 32 GB เพื่อให้เหมาะกับระดับการอ่านและเขียนของคุณ nn nnตั้งชื่อที่ดีสำหรับบทความข้างต้นให้ฉัน |
Kindle Scribe ของ Amazon: ทุกสิ่งที่คุณจำเป็นต้องรู้ |
งานการเรียนรู้เพียงไม่กี่ช็อต | ||
สรุป | [ต้นฉบับ]: นักวิทยาศาสตร์ของ Amazon ร่วมกับนักวิจัยจาก University of Sheffield กำลังสร้างชุดข้อมูลการสกัดและการตรวจสอบข้อเท็จจริงขนาดใหญ่ที่เปิดเผยต่อสาธารณะเป็นครั้งแรก ชุดข้อมูลซึ่งประกอบด้วยการอ้างสิทธิ์ที่ได้รับการสนับสนุนจากหลักฐานมากกว่า 185,000 รายการ พร้อมใช้งานเพื่อหวังว่าจะกระตุ้นการวิจัยและพัฒนาที่แก้ไขปัญหาการสกัดและการตรวจสอบข้อเท็จจริงในแอปพลิเคชันซอฟต์แวร์หรือบริการบนคลาวด์ที่ดำเนินการดึงข้อมูลโดยอัตโนมัติ [สรุป]: นักวิจัยของ Amazon และมหาวิทยาลัยเผยแพร่ชุดข้อมูลการสกัดและตรวจสอบข้อเท็จจริงต่อสาธารณะ # # # [ต้นฉบับ]: สมาชิก Prime ในสหรัฐอเมริกาสามารถส่งถึงหน้าประตูได้มากขึ้นด้วยการเป็นสมาชิก Prime ตอนนี้สมาชิกสามารถเพลิดเพลินกับ Grubhub+ หนึ่งปีมูลค่า $9.99 ต่อเดือนได้ฟรี โดยไม่มีค่าใช้จ่ายเพิ่มเติมสำหรับการเป็นสมาชิก Prime หากต้องการเปิดใช้งานข้อตกลงนี้ โปรดไปที่ amazon.com/grubhub ข้อเสนอใหม่นี้รวมค่าธรรมเนียมการจัดส่งอาหาร $0 แบบไม่จำกัดเมื่อสั่งมากกว่า $12 ตลอดจนสิทธิพิเศษสำหรับสมาชิก Grubhub+ และรางวัลต่างๆ เช่น อาหารฟรีและส่วนลดการสั่งซื้อ นอกจากนี้ ผู้มารับประทานอาหารสามารถ “กินดีในขณะที่ทำดี” โดยเลือกเข้าร่วมโปรแกรม Donate the Change ของ Grubhub ซึ่งเป็นโครงการจับคู่การบริจาคที่ระดมทุนได้มากกว่า 25 ล้านดอลลาร์ในปี 2021 เพียงปีเดียว ซึ่งเป็นประโยชน์ต่อองค์กรการกุศลกว่า 20 องค์กรทั่วประเทศ [สรุป]: สมาชิก Prime ในสหรัฐอเมริกาสามารถเพลิดเพลินกับ Grubhub+ ได้ฟรีหนึ่งปี โดยไม่มีค่าธรรมเนียมการจัดส่งอาหารสำหรับคำสั่งซื้อที่เข้าเกณฑ์ # # # [ต้นฉบับ]: นักวิทยาศาสตร์ของ Amazon ร่วมกับนักวิจัยจาก University of Sheffield กำลังสร้างชุดข้อมูลการสกัดและการตรวจสอบข้อเท็จจริงขนาดใหญ่ที่เปิดเผยต่อสาธารณะเป็นครั้งแรก ชุดข้อมูลซึ่งประกอบด้วยการอ้างสิทธิ์ที่ได้รับการสนับสนุนจากหลักฐานมากกว่า 185,000 รายการ พร้อมใช้งานเพื่อหวังว่าจะกระตุ้นการวิจัยและพัฒนาที่แก้ไขปัญหาการสกัดและการตรวจสอบข้อเท็จจริงในแอปพลิเคชันซอฟต์แวร์หรือบริการบนคลาวด์ที่ดำเนินการดึงข้อมูลโดยอัตโนมัติ [สรุป]: |
[สรุป]: นักวิจัยของ Amazon และมหาวิทยาลัยเผยแพร่ชุดข้อมูลการสกัดและการตรวจสอบข้อเท็จจริงต่อสาธารณะ |
การสร้างรหัส | คำอธิบาย: ปุ่มสีส้มที่ระบุว่าหยุด รหัส: หยุด # # # คำอธิบาย: กล่องสีน้ำเงินที่มีวงกลมสีเหลืองขอบสีแดง รหัส: # # # คำอธิบาย: พาดหัวว่ายินดีต้อนรับสู่ AI รหัส: |
รหัส: ยินดีต้อนรับสู่เอไอ ' |
การรับรู้ชื่อนิติบุคคล | [ข้อความ]: Fred เป็นผู้ประกอบการต่อเนื่อง ผู้ร่วมก่อตั้งและซีอีโอของ Platform.sh ก่อนหน้านี้เขาได้ร่วมก่อตั้ง Commerce Guys ซึ่งเป็นผู้ให้บริการอีคอมเมิร์ซชั้นนำของ Drupal ภารกิจของเขาคือการรับประกันว่าในขณะที่เราเดินทางต่อไปด้วยความทะเยอทะยานเพื่อเปลี่ยนแปลงวิธีการใช้และการรับรู้ของคลาวด์คอมพิวติ้งอย่างลึกซึ้ง เรายังคงยืนหยัดอยู่บนพื้นดินเพื่อสานต่อการเติบโตอย่างรวดเร็วที่เราได้รับมาจนถึงปัจจุบัน [ชื่อ]: เฟร็ด [ตำแหน่ง]: ผู้ร่วมก่อตั้งและซีอีโอ [บริษัท]: Platform.sh # # # [ข้อความ]: Microsoft (เป็นคำที่ย่อมาจาก "ซอฟต์แวร์ไมโครคอมพิวเตอร์") ก่อตั้งโดย Bill Gates เมื่อวันที่ 4 เมษายน 1975 เพื่อพัฒนาและขายล่ามพื้นฐานสำหรับ Altair 8800 Steve Ballmer เข้ามาแทนที่ Gates เป็น CEO ในปี 2000 และหลังจากนั้น มองเห็นกลยุทธ์ "อุปกรณ์และบริการ" [ชื่อ]: สตีฟ บอลล์เมอร์ [ตำแหน่ง]: CEO [บริษัท]: Microsoft # # # [ข้อความ]: Franck Riboud เกิดเมื่อวันที่ 7 พฤศจิกายน พ.ศ. 1955 ที่เมืองลียง เขาเป็นบุตรชายของ Antoine Riboud ซึ่งเป็น CEO คนก่อน ซึ่งเปลี่ยนอดีตผู้ผลิตแก้วในยุโรป BSN Group ให้กลายเป็นผู้เล่นชั้นนำในอุตสาหกรรมอาหาร เขาเป็นซีอีโอของ Danone [ชื่อ]: แฟรงค์ ริบูด์ [ตำแหน่ง]: CEO [บริษัท]: ดานอน # # # [ข้อความ]: David Melvin เป็นผู้เชี่ยวชาญด้านการลงทุนและบริการทางการเงินที่ CITIC CLSA โดยมีประสบการณ์มากกว่า 30 ปีในด้านวาณิชธนกิจและการลงทุนในภาคเอกชน ปัจจุบันเขาเป็นที่ปรึกษาอาวุโสของ CITIC CLSA |
[ชื่อ]: เฟร็ด [ตำแหน่ง]: ผู้ร่วมก่อตั้งและซีอีโอ [บริษัท]: Platform.sh |
ตอบคำถาม | บริบท: NLP Cloud ก่อตั้งขึ้นในปี 2021 เมื่อทีมงานตระหนักว่าไม่มีวิธีที่ง่ายในการใช้ประโยชน์จากการประมวลผลภาษาธรรมชาติในการผลิตอย่างน่าเชื่อถือ คำถาม: NLP Cloud ก่อตั้งขึ้นเมื่อใด คำตอบ: 2021 # # # บริบท: NLP Cloud พัฒนา API ภายในกลางปี 2020 และเพิ่มโมเดลโอเพ่นซอร์สที่ผ่านการฝึกอบรมล่วงหน้าจำนวนมากตั้งแต่นั้นมา คำถาม: NLP Cloud พัฒนาอะไร คำตอบ: API # # # บริบท: แผนทั้งหมดสามารถหยุดได้ตลอดเวลา คุณจ่ายเฉพาะช่วงเวลาที่คุณใช้บริการเท่านั้น ในกรณีดาวน์เกรด คุณจะได้รับส่วนลดในใบแจ้งหนี้ครั้งถัดไป คำถาม: แผนจะหยุดได้เมื่อไหร่? คำตอบ: ได้ตลอดเวลา # # # บริบท: ความท้าทายหลักของ GPT-J คือการใช้หน่วยความจำ ขอแนะนำให้ใช้แผน GPU คำถาม: แผนใดที่แนะนำสำหรับ GPT-J คำตอบ:""" |
คำตอบ: แผน GPU' |
ไวยากรณ์และการแก้ไขตัวสะกด | ฉันชอบไปเที่ยวทะเล การแก้ไข: ฉันชอบไปทะเล # # # ให้ฉันได้รับมัน! การแก้ไข: ให้ฉันได้รับมัน! # # # มีข้อบกพร่องมากเกินไป การแก้ไข: มีข้อบกพร่องมากเกินไป # # # ฉันไม่อยากไป การแก้ไข: |
การแก้ไข: ฉันไม่ต้องการไป |
รายละเอียดสินค้าและลักษณะทั่วไป | สร้างรายละเอียดสินค้าจากคำหลัก คำสำคัญ: รองเท้าผู้หญิง 59 ดอลลาร์ ประโยค: รองเท้าสวยๆ สำหรับผู้หญิงราคา 59 ดอลลาร์ # # # คำสำคัญ: กางเกงขายาว ผู้ชาย 69 ดอลลาร์ ประโยค: กางเกงขายาวสำหรับผู้ชายราคา 69 เหรียญเท่านั้น # # # คำสำคัญ: ถุงมือกันหนาว $19 ประโยค: ถุงมือร้อนที่น่าอัศจรรย์สำหรับฤดูหนาวราคา 19 เหรียญ # # # คำสำคัญ: เสื้อยืด ผู้ชาย $39 ประโยค: |
Sentence: เสื้อยืดเท่ๆ สำหรับผู้ชาย ราคา 39 เหรียญเท่านั้น |
ประโยคและการจำแนกความรู้สึก | ข้อความ: เมื่อยานอวกาศลงจอดบนดาวอังคาร มนุษยชาติทั้งหมดรู้สึกตื่นเต้น หัวเรื่อง : อวกาศ # # # ข้อความ: ฉันชอบเล่นเทนนิสและกอล์ฟ ฉันฝึกสัปดาห์ละสองครั้ง หัวเรื่อง : กีฬา # # # ข้อความ: การจัดการทีมพนักงานขายเป็นงานที่ยากแต่คุ้มค่า หัวเรื่อง : ธุรกิจ # # # ข้อความ: ฉันกำลังพยายามทำอาหารไก่กับมะเขือเทศ หัวข้อ: |
หัวเรื่อง : อาหาร |
Chatbot และ AI สนทนา | นี่คือการสนทนาระหว่าง [มนุษย์] และ [หุ่นยนต์] [หุ่นยนต์] เป็นคนดีและเห็นอกเห็นใจผู้อื่นมาก [มนุษย์]: สวัสดี ยินดีที่ได้รู้จัก [หุ่นยนต์]: ยินดีที่ได้รู้จักเช่นกัน # # # [คน]: วันนี้เป็นยังไงบ้าง? [หุ่นยนต์]: ไม่เลวเลย ขอบคุณ! แล้วคุณล่ะ # # # [มนุษย์]: ฉันโอเค แต่ฉันเศร้านิดหน่อย… [หุ่นยนต์]: โอ้? ทำไมถึงเป็นเช่นนั้น? # # # [มนุษย์]: ฉันเป็นไข้หวัด [หุ่นยนต์]: |
[หุ่นยนต์]: โอ้ ไม่ ฉันเสียใจที่ได้ยินเช่นนั้น! |
การสร้างทวีต | คำสำคัญ: ตลาด ทวีต: รับคำติชมจากธรรมชาติและตลาด ไม่ใช่จากผู้คน # # # คำสำคัญ: เด็ก ทวีต: บางทีเราอาจจะตายเพื่อเราจะได้กลับมาเป็นเด็ก # # # คำสำคัญ: การเริ่มต้น ทวีต: สตาร์ทอัพไม่ควรกังวลว่าจะดับไฟอย่างไร แต่ควรกังวลว่าจะเริ่มต้นอย่างไร # # # คำค้น : nlp ทวีต: |
ทวีต: NLP เป็นเครื่องมือไม่ใช่เป้าหมาย |
เครื่องแปลภาษา | การกอดใบหน้าเป็นการปฏิวัติ NLP การแปล: Hugging Face ปฏิวัติ NLP # # # Cela เป็นที่น่าเกรงขาม! การแปล - ไม่น่าเชื่อ! # # # เดโซเล เฌ เนอ โปซ์ ปาส การแปล: ขออภัย แต่ฉันทำไม่ได้ # # # ใบอนุญาต NLP Cloud ของผู้ปรับใช้และ NLP และสิ่งอำนวยความสะดวกในการผลิต แปล: |
การแปล: NLP Cloud ช่วยให้ปรับใช้ NLP ในการผลิตได้ง่าย |
การจำแนกเจตนา | ฉันอยากเริ่มเขียนโค้ดพรุ่งนี้ เพราะมันน่าสนุกมาก! เจตนา: เริ่มการเข้ารหัส # # # กรุณาแสดงภาพสุดท้ายที่คุณมี เจตนา: แสดงรูปภาพ # # # ค้นหาไฟล์เหล่านี้ทั้งหมดโดยเร็วที่สุด เจตนา: ค้นหาไฟล์ # # # คุณช่วยสอนภาษาจีนให้ฉันในสัปดาห์หน้าได้ไหม เจตนา: |
เจตนา: สอนภาษาจีนให้ฉัน |
เข้าถึงโมเดลที่ปรับแต่งคำสั่งของ BloomZ 176B ใน SageMaker
SageMaker JumpStart มีสองวิธีในการเริ่มต้นใช้งานโมเดล Bloom ที่ปรับแต่งตามคำสั่งเหล่านี้: สตูดิโอ Amazon SageMaker และ SageMaker SDK ส่วนต่อไปนี้จะแสดงให้เห็นว่าแต่ละตัวเลือกมีลักษณะอย่างไรและเข้าถึงได้อย่างไร
เข้าถึงโมเดลด้วย SageMaker JumpStart SDK ที่เรียบง่าย
พื้นที่ SageMaker JumpStart SDK ที่ง่ายขึ้น อำนวยความสะดวกในการฝึกอบรมและการปรับใช้โมเดล SageMaker JumpStart ในตัวด้วยโค้ดสองสามบรรทัด ซึ่งช่วยให้คุณเข้าถึงไลบรารีทั้งหมดของโมเดล SageMaker JumpStart รวมถึงโมเดลพื้นฐานและโมเดลการสร้างอิมเมจล่าสุด โดยไม่ต้องป้อนอินพุตใดๆ นอกจาก ID โมเดล
คุณสามารถใช้ประโยชน์จากค่าเริ่มต้นเฉพาะโมเดลที่เราให้เพื่อระบุการกำหนดค่า เช่น อิมเมจ Docker, ประเภทอินสแตนซ์ ML, ตำแหน่งอาร์ติแฟกต์โมเดล และไฮเปอร์พารามิเตอร์ รวมถึงฟิลด์อื่นๆ แอตทริบิวต์เหล่านี้เป็นค่าเริ่มต้นเท่านั้น คุณสามารถลบล้างสิ่งเหล่านี้และรักษาการควบคุมแบบละเอียดสำหรับโมเดล AWS ที่คุณสร้างได้ จากการเปลี่ยนแปลงเหล่านี้ ความพยายามในการเขียนเวิร์กโฟลว์ Python เพื่อปรับใช้และฝึกโมเดล SageMaker JumpStart จึงลดลง ทำให้คุณใช้เวลากับงานที่สำคัญได้มากขึ้น คุณลักษณะนี้มีให้บริการในทุกภูมิภาคที่รองรับ JumpStart และสามารถเข้าถึงได้ด้วย SageMaker Python SDK เวอร์ชัน 2.154.0 หรือใหม่กว่า
คุณสามารถปรับใช้ตำแหน่งข้อมูลผ่าน SageMaker SDK โดยทางโปรแกรม คุณจะต้องระบุ ID โมเดลของโมเดลที่คุณต้องการในฮับโมเดล SageMaker และประเภทอินสแตนซ์ที่ใช้สำหรับการปรับใช้ URI ของโมเดลซึ่งมีสคริปต์การอนุมาน และ URI ของคอนเทนเนอร์ Docker ได้รับผ่าน SageMaker SDK URI เหล่านี้จัดทำโดย SageMaker JumpStart และสามารถใช้เพื่อเริ่มต้นอ็อบเจกต์โมเดล SageMaker สำหรับการปรับใช้
ปรับใช้โมเดลและสอบถามจุดสิ้นสุด
สมุดบันทึกนี้ต้องใช้ ipywidgets ติดตั้ง ipywidgets แล้วใช้บทบาทการดำเนินการที่เชื่อมโยงกับโน้ตบุ๊กปัจจุบันเป็นบทบาทบัญชี AWS ที่มีสิทธิ์เข้าถึง SageMaker
เลือกรูปแบบการฝึกอบรมล่วงหน้า
เราเลือก bloomz-176b-fp16
แบบฝึกหัดล่วงหน้า:
สมุดบันทึกในส่วนต่อไปนี้ใช้ บลูมZ 176B ตัวอย่างเช่น. สำหรับรายการทั้งหมดของแบบจำลองที่ได้รับการฝึกฝนล่วงหน้าของ SageMaker โปรดดูที่ อัลกอริธึมในตัวพร้อมตารางโมเดลที่ผ่านการฝึกอบรมมาแล้ว.
ดึงข้อมูลสิ่งประดิษฐ์และปรับใช้จุดสิ้นสุด
ด้วย SageMaker เราสามารถทำการอนุมานเกี่ยวกับโมเดลที่ได้รับการฝึกอบรมล่วงหน้าโดยไม่ต้องปรับแต่งก่อนในชุดข้อมูลใหม่ เราเริ่มต้นด้วยการดึงข้อมูล deploy_image_uri
, deploy_source_uri
และ model_uri
สำหรับโมเดลที่ฝึกไว้ล่วงหน้า ในการโฮสต์โมเดลที่ฝึกไว้ล่วงหน้า เราสร้างอินสแตนซ์ของ sagemaker.model.โมเดล และปรับใช้ นี้อาจใช้เวลาไม่กี่นาที.
ตอนนี้เราสามารถปรับใช้โมเดลโดยใช้ SageMaker JumpStart SDK ที่เรียบง่ายด้วยบรรทัดโค้ดต่อไปนี้:
เราใช้ คอนเทนเนอร์การอนุมานโมเดลขนาดใหญ่ (LMI) ของ SageMaker เพื่อโฮสต์รุ่น BloomZ 176B LMI เป็นสแต็กซอฟต์แวร์ LLM (คอนเทนเนอร์) ที่สร้างขึ้นโดย AWS ซึ่งมีฟังก์ชันที่ใช้งานง่ายและเพิ่มประสิทธิภาพในโมเดล AI เชิงกำเนิด มันถูกฝังอยู่กับโมเดลแบบขนาน การคอมไพล์ การหาปริมาณ และสแต็คอื่นๆ เพื่อเพิ่มความเร็วในการอนุมาน สำหรับรายละเอียด โปรดดูที่ ปรับใช้ BLOOM-176B และ OPT-30B บน Amazon SageMaker ด้วยการอนุมานโมเดลขนาดใหญ่ Deep Learning Containers และ DeepSpeed.
โปรดทราบว่าการปรับใช้โมเดลนี้ต้องใช้อินสแตนซ์ p4de.24xlarge และการทำให้ใช้งานได้มักใช้เวลาประมาณ 1 ชั่วโมง หากคุณไม่มีโควต้าสำหรับอินสแตนซ์นั้น ให้ขอโควต้าเพิ่มบนคอนโซล AWS Service Quotas
ค้นหาจุดสิ้นสุดและแยกวิเคราะห์การตอบสนองโดยใช้พารามิเตอร์ต่างๆ เพื่อควบคุมข้อความที่สร้างขึ้น
อินพุตไปยังปลายทางคือสตริงข้อความใดๆ ที่จัดรูปแบบเป็น JSON และเข้ารหัสในรูปแบบ utf-8 ผลลัพธ์ของปลายทางคือไฟล์ JSON พร้อมข้อความที่สร้างขึ้น
ในตัวอย่างต่อไปนี้ เราให้ตัวอย่างข้อความป้อนเข้า คุณสามารถป้อนข้อความใดก็ได้และโมเดลจะคาดเดาคำถัดไปในลำดับ สามารถสร้างลำดับข้อความที่ยาวขึ้นได้โดยการเรียกใช้โมเดลซ้ำๆ รหัสต่อไปนี้แสดงวิธีการเรียกใช้จุดสิ้นสุดด้วยอาร์กิวเมนต์เหล่านี้:
เราได้รับผลลัพธ์ต่อไปนี้:
['How to make a pasta? boil a pot of water and add salt. Add the pasta to the water and cook until al dente. Drain the pasta.']
เข้าถึงโมเดลใน SageMaker Studio
คุณยังสามารถเข้าถึงโมเดลเหล่านี้ผ่านทาง หน้า Landing Page ของ JumpStart ในสตูดิโอ หน้านี้แสดงรายการโซลูชัน ML แบบ end-to-end รุ่นที่ได้รับการฝึกอบรมล่วงหน้า และสมุดบันทึกตัวอย่าง
ในขณะที่เผยแพร่โพสต์ BloomZ 176B มีเฉพาะใน us-east-2
ภูมิภาค.
คุณสามารถเลือกการ์ดรุ่น BloomZ 176B เพื่อดูโน้ตบุ๊ก
จากนั้นคุณสามารถนำเข้าสมุดบันทึกเพื่อเรียกใช้สมุดบันทึกต่อไป
ทำความสะอาด
หากต้องการหลีกเลี่ยงการเรียกเก็บเงินอย่างต่อเนื่อง ให้ลบจุดสิ้นสุดการอนุมานของ SageMaker คุณสามารถลบจุดสิ้นสุดผ่านคอนโซล SageMaker หรือจากโน้ตบุ๊ก SageMaker Studio โดยใช้คำสั่งต่อไปนี้:
predictor.delete_model()
predictor.delete_endpoint()
สรุป
ในโพสต์นี้ เราได้ให้ภาพรวมของประโยชน์ของการเรียนรู้แบบ zero-shot และ little-shot และอธิบายว่าวิศวกรรมที่รวดเร็วสามารถปรับปรุงประสิทธิภาพของโมเดลที่ปรับแต่งคำสั่งได้อย่างไร นอกจากนี้ เรายังแสดงวิธีปรับใช้โมเดล BloomZ 176B ที่ปรับตามคำสั่งได้อย่างง่ายดายจาก SageMaker JumpStart และให้ตัวอย่างเพื่อสาธิตวิธีดำเนินการงาน NLP ต่างๆ โดยใช้ตำแหน่งข้อมูลโมเดล BloomZ 176B ที่ปรับใช้ใน SageMaker
เราสนับสนุนให้คุณปรับใช้โมเดล BloomZ 176B จาก SageMaker JumpStart และสร้างข้อความแจ้งของคุณเองสำหรับกรณีการใช้งาน NLP
หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับ SageMaker JumpStart โปรดดูข้อมูลต่อไปนี้:
เกี่ยวกับผู้เขียน
ราชกุมาร สัมพัทกุมาร เป็นผู้จัดการบัญชีด้านเทคนิคหลักที่ AWS ซึ่งให้คำแนะนำแก่ลูกค้าเกี่ยวกับการวางแนวเทคโนโลยีทางธุรกิจและสนับสนุนการคิดค้นรูปแบบและกระบวนการดำเนินการบนระบบคลาวด์ขึ้นใหม่ เขาหลงใหลเกี่ยวกับการเรียนรู้ของระบบคลาวด์และแมชชีนเลิร์นนิง Raj ยังเป็นผู้เชี่ยวชาญด้านแมชชีนเลิร์นนิงและทำงานร่วมกับลูกค้า AWS เพื่อออกแบบ ปรับใช้ และจัดการปริมาณงานและสถาปัตยกรรม AWS
ดร.ซิน หวาง เป็นนักวิทยาศาสตร์ประยุกต์สำหรับอัลกอริทึมในตัวของ Amazon SageMaker JumpStart และ Amazon SageMaker เขามุ่งเน้นไปที่การพัฒนาอัลกอริธึมการเรียนรู้ของเครื่องที่ปรับขนาดได้ ความสนใจในงานวิจัยของเขาอยู่ในพื้นที่ของการประมวลผลภาษาธรรมชาติ การเรียนรู้เชิงลึกที่อธิบายได้บนข้อมูลแบบตาราง และการวิเคราะห์ที่มีประสิทธิภาพของการจัดกลุ่มพื้นที่และเวลาที่ไม่อิงพารามิเตอร์ เขาได้ตีพิมพ์บทความจำนวนมากในการประชุม ACL, ICDM, KDD และวารสาร Royal Statistical Society: Series A
อีวาน คราวิตซ์ เป็นวิศวกรซอฟต์แวร์ที่ Amazon Web Services ทำงานบน SageMaker JumpStart เขาชอบทำอาหารและออกไปวิ่งในนิวยอร์กซิตี้
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
- เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
- เพลโตESG. ยานยนต์ / EVs, คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
- เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
- ChartPrime. ยกระดับเกมการซื้อขายของคุณด้วย ChartPrime เข้าถึงได้ที่นี่.
- BlockOffsets การปรับปรุงการเป็นเจ้าของออฟเซ็ตด้านสิ่งแวดล้อมให้ทันสมัย เข้าถึงได้ที่นี่.
- ที่มา: https://aws.amazon.com/blogs/machine-learning/zero-shot-and-few-shot-prompting-for-the-bloomz-176b-foundation-model-with-the-simplified-amazon-sagemaker-jumpstart-sdk/
- :มี
- :เป็น
- :ไม่
- :ที่ไหน
- $ ขึ้น
- 000
- 1
- 10
- 100
- 11
- 12
- 13
- 15%
- 16
- 20
- 2000
- 2013
- 2021
- 24
- 250
- 30
- 32
- 33
- 7
- 8
- a
- สามารถ
- เกี่ยวกับเรา
- ข้างบน
- ยอมรับ
- เข้า
- Accessed
- ลงชื่อเข้าใช้
- ความถูกต้อง
- ข้าม
- ปรับ
- เพิ่ม
- ที่เพิ่ม
- นอกจากนี้
- เพิ่มเติม
- ที่อยู่
- ปรับ
- การบริหาร
- ความได้เปรียบ
- อีกครั้ง
- กับ
- AI
- โมเดล AI
- จุดมุ่งหมาย
- AL
- อัลกอริทึม
- การวางแนว
- ทั้งหมด
- การอนุญาต
- ช่วยให้
- คนเดียว
- ด้วย
- Altair
- เสมอ
- am
- อเมซอน
- เข้าใจ Amazon
- อเมซอน SageMaker
- Amazon SageMaker JumpStart
- Amazon Web Services
- Amazon Web Services (AWS)
- ทะเยอทะยาน
- ในหมู่
- จำนวน
- จำนวน
- an
- การวิเคราะห์
- วิเคราะห์
- และ
- Angeles
- ประกาศ
- ประกาศ
- ใด
- API
- APIs
- เหมาะสม
- การใช้งาน
- ประยุกต์
- เมษายน
- ภาษาอาหรับ
- เป็น
- AREA
- ข้อโต้แย้ง
- บทความ
- AS
- ที่เกี่ยวข้อง
- At
- แนบ
- แอตทริบิวต์
- อัตโนมัติ
- อัตโนมัติ
- ใช้ได้
- หลีกเลี่ยง
- AWS
- กลับ
- ไม่ดี
- การธนาคาร
- ตาม
- ขั้นพื้นฐาน
- BE
- ชายหาด
- สวยงาม
- เพราะ
- รับ
- พฤติกรรม
- กำลัง
- ได้รับประโยชน์
- ประโยชน์ที่ได้รับ
- นอกจากนี้
- ที่ดีที่สุด
- ระหว่าง
- บิล
- บิลเกตส์
- พันล้าน
- บิต
- บานสะพรั่ง
- สีน้ำเงิน
- กล้า
- ร้านหนังสือเกาหลี
- ชายแดน
- เกิด
- กล่อง
- สั้น
- BSN
- สร้าง
- การก่อสร้าง
- สร้าง
- built-in
- แต่
- ปุ่ม
- by
- ที่เรียกว่า
- โทร
- CAN
- สามารถรับ
- ไม่ได้
- ความสามารถในการ
- ความสามารถ
- บัตร
- ระมัดระวัง
- กรณี
- กรณี
- การหล่อ
- จับ
- ศูนย์
- ผู้บริหารสูงสุด
- ท้าทาย
- เปลี่ยนแปลง
- การเปลี่ยนแปลง
- การเรียกเก็บเงิน
- โหลด
- ตรวจสอบ
- เด็ก
- ชาวจีน
- ทางเลือก
- Choose
- วงกลม
- เมือง
- การเรียกร้อง
- การจัดหมวดหมู่
- ปิด
- เมฆ
- คอมพิวเตอร์เมฆ
- การจัดกลุ่ม
- ผู้ร่วมก่อตั้ง
- รหัส
- การเข้ารหัส
- สอดคล้องกัน
- ผู้สมัครที่ไม่รู้จัก
- การทำงานร่วมกัน
- ชุด
- วิทยาลัย
- คอลัมน์
- อย่างไร
- มา
- มา
- พาณิชย์
- ร่วมกัน
- บริษัท
- สมบูรณ์
- ความซับซ้อน
- ซับซ้อน
- เข้าใจ
- ประกอบไปด้วย
- การคำนวณ
- แนวความคิด
- การประชุม
- การประชุม
- องค์ประกอบ
- การพิจารณา
- ประกอบด้วย
- ปลอบใจ
- การบริโภค
- ภาชนะ
- ภาชนะบรรจุ
- มี
- เนื้อหา
- บริบท
- ต่อ
- อย่างต่อเนื่อง
- ควบคุม
- การสนทนา
- เย็น
- แก้ไข
- ราคา
- ได้
- ประเทศ
- คู่
- สร้าง
- ที่สร้างขึ้น
- การสร้าง
- การสร้าง
- ความคิดสร้างสรรค์
- ถ้วย
- ปัจจุบัน
- ขณะนี้
- ประเพณี
- ลูกค้า
- ปรับแต่งได้
- ข้อมูล
- ชุดข้อมูล
- เดวิด
- จัดการ
- ข้อเสนอ
- ทุ่มเท
- ลึก
- การเรียนรู้ลึก ๆ
- ที่ลึกที่สุด
- ค่าเริ่มต้น
- ส่ง
- การจัดส่ง
- สาธิต
- สาธิต
- แสดงให้เห็นถึง
- ทั้งนี้ขึ้นอยู่กับ
- ปรับใช้
- นำไปใช้
- ตัวปรับใช้
- ปรับใช้
- การใช้งาน
- อธิบาย
- ลักษณะ
- ออกแบบ
- ได้รับการออกแบบ
- ที่ต้องการ
- รายละเอียด
- กำหนด
- พัฒนา
- พัฒนา
- ที่กำลังพัฒนา
- พัฒนาการ
- พัฒนา
- อุปกรณ์
- DID
- ตาย
- ต่าง
- ส่วนลด
- ส่วนลด
- การสนทนา
- do
- นักเทียบท่า
- เอกสาร
- เอกสาร
- ไม่
- การทำ
- โดเมน
- เด่น
- บริจาค
- Dont
- ประตู
- ลง
- มือตก
- ท่อระบายน้ำ
- ข้อเสีย
- แต่ละ
- อย่างง่ายดาย
- ง่าย
- ง่ายต่อการใช้งาน
- eBooks
- อีคอมเมิร์ซ
- ประสิทธิผล
- ความพยายาม
- องค์ประกอบ
- เหมาะสม
- ที่ฝัง
- การเปิดใช้งาน
- ส่งเสริม
- จบสิ้น
- ปลายทาง
- วิศวกร
- ชั้นเยี่ยม
- ภาษาอังกฤษ
- เพลิดเพลิน
- ทั้งหมด
- หน่วยงาน
- เอกลักษณ์
- ผู้ประกอบการ
- สิ่งแวดล้อม
- ส่วนได้เสีย
- ในทวีปยุโรป
- แม้
- เหตุการณ์
- เคย
- ทุกอย่าง
- ตรวจสอบ
- ตัวอย่าง
- ตัวอย่าง
- พิเศษ
- การปฏิบัติ
- ที่คาดหวัง
- แพง
- ประสบการณ์
- สารสกัด
- ใบหน้า
- อำนวยความสะดวก
- สิ่งอำนวยความสะดวก
- ความจริง
- ไกล
- FAST
- ลักษณะ
- คุณสมบัติ
- ข้อเสนอแนะ
- ค่าธรรมเนียม
- ฟุต
- สองสาม
- สาขา
- เนื้อไม่มีมัน
- ไฟล์
- ทางการเงิน
- บริการทางการเงิน
- ไฟไหม้
- ชื่อจริง
- ครั้งแรก
- มุ่งเน้นไปที่
- ปฏิบัติตาม
- ดังต่อไปนี้
- อาหาร
- จัดส่งอาหาร
- สำหรับ
- รูป
- อดีต
- รากฐาน
- ก่อตั้งขึ้นเมื่อ
- ฟรี
- ภาษาฝรั่งเศส
- มัก
- ราคาเริ่มต้นที่
- ด้านหน้า
- ฟังก์ชั่น
- ต่อไป
- ได้รับ
- เกตส์
- จุดประสงค์ทั่วไป
- สร้าง
- สร้าง
- รุ่น
- กำเนิด
- กำเนิด AI
- ได้รับ
- จะช่วยให้
- เป้าหมาย
- ไป
- กอล์ฟ
- ดี
- GPU
- ยิ่งใหญ่
- อย่างมาก
- พื้น
- บัญชีกลุ่ม
- การเจริญเติบโต
- การเจริญเติบโต
- รับประกัน
- คำแนะนำ
- ให้คำแนะนำ
- มือ
- มี
- มี
- he
- พาดหัว
- ได้ยิน
- ความสูง
- ช่วย
- เป็นประโยชน์
- จะช่วยให้
- โปรดคลิกที่นี่เพื่ออ่านรายละเอียดเพิ่มเติม
- จุดสูง
- ที่มีคุณภาพสูง
- ของเขา
- หวังว่า
- เจ้าภาพ
- ร้อน
- ชั่วโมง
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- HTML
- HTTPS
- Huang
- Hub
- เป็นมนุษย์
- มนุษยชาติ
- มนุษย์
- i
- ID
- if
- ภาพ
- สมมุติขึ้น
- ภาพ
- นำเข้า
- ปรับปรุง
- in
- รวมถึง
- รวมทั้ง
- รวมเข้าด้วยกัน
- อุตสาหกรรม
- ข้อมูล
- การสกัดข้อมูล
- Initiative
- นวัตกรรม
- อินพุต
- ปัจจัยการผลิต
- ข้อมูลเชิงลึก
- ติดตั้ง
- ตัวอย่าง
- แทน
- คำแนะนำการใช้
- ผลประโยชน์
- ภายใน
- เข้าไป
- สอบสวน
- การลงทุน
- วาณิชธนกิจ
- รวมถึง
- หมู่เกาะ
- IT
- ITS
- การสัมภาษณ์
- งาน
- วารสาร
- การเดินทาง
- jpg
- JSON
- เพียงแค่
- เก็บ
- คีย์
- คำหลัก
- ทราบ
- ความรู้
- เชื่อมโยงไปถึง
- ภาษา
- ภาษา
- ใหญ่
- ขนาดใหญ่
- ใหญ่ที่สุด
- ชื่อสกุล
- ต่อมา
- ล่าสุด
- ชั้นนำ
- เรียนรู้
- การเรียนรู้
- นำ
- ให้
- ช่วยให้
- ชั้น
- เลฟเวอเรจ
- ห้องสมุด
- เบา
- กดไลก์
- ข้อ จำกัด
- ถูก จำกัด
- Line
- เส้น
- รายการ
- รายการ
- LLM
- ที่ตั้ง
- นาน
- อีกต่อไป
- ดู
- ดูเหมือน
- ลอส
- Los Angeles
- ความรัก
- ต่ำ
- เครื่อง
- เรียนรู้เครื่อง
- ทำ
- หลัก
- สำคัญ
- ทำ
- ทำให้
- การทำ
- จัดการ
- ผู้จัดการ
- การจัดการ
- หลาย
- ตลาด
- ดาวอังคาร
- เรื่อง
- อาจ..
- อาจจะ
- me
- พบ
- สมาชิก
- การเป็นสมาชิก
- หน่วยความจำ
- ผู้ชาย
- กล่าวถึง
- ไมโครซอฟท์
- ปานกลาง
- ล้าน
- ล้าน
- การลด
- นาที
- ภารกิจ
- ML
- แบบ
- โมเดล
- ทันสมัย
- เดือน
- ข้อมูลเพิ่มเติม
- มากที่สุด
- หนัง
- หลาย
- ชื่อ
- โดยธรรมชาติ
- ประมวลผลภาษาธรรมชาติ
- ธรรมชาติ
- ne
- จำเป็น
- จำเป็นต้อง
- เชิงลบ
- เครือข่าย
- เป็นกลาง
- ไม่เคย
- ใหม่
- ผลิตภัณฑ์ใหม่
- นิวยอร์ก
- เมืองนิวยอร์ก
- ล่าสุด
- ถัดไป
- สัปดาห์หน้า
- ดี
- NLP
- ไม่
- สัญญาณรบกวน
- สมุดบันทึก
- หมายเหตุ / รายละเอียดเพิ่มเติม
- นวนิยาย
- พฤศจิกายน
- ตอนนี้
- จำนวน
- วัตถุ
- ที่ได้รับ
- of
- ปิด
- เสนอ
- การเสนอ
- เสนอ
- oh
- on
- ครั้งเดียว
- ONE
- ต่อเนื่อง
- เพียง
- โอเพนซอร์ส
- การดำเนินการ
- การดำเนินการ
- Options
- or
- ส้ม
- ใบสั่ง
- คำสั่งซื้อ
- องค์กร
- เป็นต้นฉบับ
- อื่นๆ
- ของเรา
- ออก
- เอาท์พุต
- เกิน
- แทนที่
- ภาพรวม
- ของตนเอง
- หน้า
- กระดาษ
- เอกสาร
- พารามิเตอร์
- หลงใหล
- ชำระ
- รูปแบบไฟล์ PDF
- คน
- ต่อ
- ที่รับรู้
- ดำเนินการ
- การปฏิบัติ
- ที่มีประสิทธิภาพ
- perks
- ปรับแต่ง
- วลี
- ภาพ
- สถานที่
- แผนการ
- แผน
- เวที
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- ผู้เล่น
- เล่น
- กรุณา
- บวก
- ตำแหน่ง
- บวก
- เป็นไปได้
- โพสต์
- ที่มีประสิทธิภาพ
- ppi
- การคาดการณ์
- Predictor
- คาดการณ์
- Premium
- ก่อน
- ก่อนหน้านี้
- ราคา
- สำคัญ
- หลัก
- ส่วนตัว
- ตราสารทุนภาคเอกชน
- ปัญหาที่เกิดขึ้น
- กระบวนการ
- กระบวนการ
- การประมวลผล
- การผลิต
- ผลิตภัณฑ์
- การผลิต
- ผลิตภัณฑ์
- มืออาชีพ
- โครงการ
- การเขียนโปรแกรม
- การเขียนโปรแกรมภาษา
- โครงการ
- ให้
- ให้
- ผู้จัดหา
- ให้
- การให้
- สาธารณชน
- การตีพิมพ์
- การประกาศ
- ใส่
- หลาม
- คำถาม
- คำถาม
- ยก
- รวดเร็ว
- คะแนน
- RE
- อ่าน
- ผู้อ่าน
- การอ่าน
- เรียลไทม์
- ตระหนัก
- เมื่อเร็ว ๆ นี้
- เมื่อเร็ว ๆ นี้
- การรับรู้
- ตระหนักถึง
- แนะนำ
- สีแดง
- ลดลง
- ภูมิภาค
- ภูมิภาค
- ที่เกี่ยวข้อง
- โดดเด่น
- ซ้ำแล้วซ้ำเล่า
- เรียบเรียงใหม่
- แทนที่
- กรุ
- ขอ
- จำเป็นต้องใช้
- ต้อง
- การวิจัย
- วิจัยและพัฒนา
- นักวิจัย
- ความละเอียด
- แหล่งข้อมูล
- คำตอบ
- การตอบสนอง
- ผล
- รักษา
- ทบทวน
- ปฏิวัติ
- ที่คุ้มค่า
- รางวัล
- หุ่นยนต์
- แข็งแรง
- บทบาท
- ราช
- วิ่ง
- ทำงาน
- s
- sagemaker
- การอนุมาน SageMaker
- กล่าวว่า
- ขาย
- เกลือ
- คำพูด
- พูดว่า
- ที่ปรับขนาดได้
- การสแกน
- นักวิทยาศาสตร์
- นักวิทยาศาสตร์
- จอภาพ
- SDK
- ค้นหา
- ที่สอง
- ส่วน
- เห็น
- ดูเหมือนว่า
- การเลือก
- ขาย
- อรรถศาสตร์
- ระดับอาวุโส
- ความรู้สึก
- ประโยค
- ความรู้สึก
- ความรู้สึก
- ลำดับ
- อนุกรม
- ชุด
- ชุด A
- บริการ
- บริการ
- ชุด
- ชุดอุปกรณ์
- การตั้งค่า
- หลาย
- น่า
- โชว์
- แสดงให้เห็นว่า
- แสดงให้เห็นว่า
- สำคัญ
- ที่เรียบง่าย
- ตั้งแต่
- เว็บไซต์
- สถานการณ์
- ขนาด
- ขนาด
- เล็ก
- มีขนาดเล็กกว่า
- So
- สังคม
- เครือข่ายทางสังคม
- สังคม
- ซอฟต์แวร์
- วิศวกรซอฟต์แวร์
- ของแข็ง
- โซลูชัน
- บาง
- เป็น
- สเปน
- ผู้เชี่ยวชาญ
- โดยเฉพาะ
- เฉพาะ
- ความเร็ว
- การสะกดคำ
- ใช้จ่าย
- กอง
- สแต็ค
- เริ่มต้น
- ข้อความที่เริ่ม
- startups
- รัฐของศิลปะ
- สหรัฐอเมริกา
- ทางสถิติ
- ขั้นตอน
- สตีฟ
- หยุด
- การเก็บรักษา
- ตัวเลือกการจัดเก็บข้อมูล
- กลยุทธ์
- จุดแข็ง
- เชือก
- โครงสร้าง
- นักเรียน
- สตูดิโอ
- ศึกษา
- อย่างเช่น
- สูท
- สรุป
- เสริม
- จัดหาอุปกรณ์
- สนับสนุน
- ที่สนับสนุน
- ที่สนับสนุน
- ตรงกัน
- ตาราง
- เอา
- ใช้เวลา
- งาน
- งาน
- การเรียนการสอน
- ทีม
- วิชาการ
- เทมเพลต
- กว่า
- ขอบคุณ
- ที่
- พื้นที่
- พื้นที่
- โลก
- ของพวกเขา
- พวกเขา
- แล้วก็
- ที่นั่น
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- พวกเขา
- ที่สาม
- นี้
- ตลอด
- ผ่าน
- เวลา
- ต้องใช้เวลามาก
- ชื่อหนังสือ
- ไปยัง
- ในวันนี้
- วันพรุ่งนี้
- เกินไป
- เครื่องมือ
- ยาก
- ไปทาง
- แบบดั้งเดิม
- รถไฟ
- ผ่านการฝึกอบรม
- การฝึกอบรม
- แปลง
- เปลี่ยน
- การแปลภาษา
- ต้นไม้
- tweet
- สองครั้ง
- สอง
- ชนิด
- เรา
- ความเข้าใจ
- พร้อมใจกัน
- ประเทศสหรัฐอเมริกา
- มหาวิทยาลัย
- ไม่ จำกัด
- จนกระทั่ง
- บันทึก
- การปรับปรุง
- การปรับปรุง
- ใช้
- ใช้กรณี
- มือสอง
- ผู้ใช้
- ใช้
- การใช้
- มักจะ
- มูลค่า
- ความคุ้มค่า
- ความหลากหลาย
- ต่างๆ
- กว้างใหญ่
- การตรวจสอบ
- รุ่น
- มาก
- ผ่านทาง
- รายละเอียด
- จวน
- เยี่ยมชมร้านค้า
- ต้องการ
- ผู้สมัครที่รู้จักเรา
- คือ
- น้ำดื่ม
- ทาง..
- วิธี
- we
- เว็บ
- บริการเว็บ
- สัปดาห์
- ยินดีต้อนรับ
- ดี
- อะไร
- ความหมายของ
- เมื่อ
- ที่
- ในขณะที่
- ขาว
- WHO
- ทั้งหมด
- ทำไม
- กว้าง
- ความกว้าง
- จะ
- ฤดูหนาว
- กับ
- ไม่มี
- ผู้หญิง
- คำ
- คำ
- ขั้นตอนการทำงาน
- การทำงาน
- โรงงาน
- โลก
- ฟุตบอลโลก
- กังวล
- จะ
- เขียน
- การเขียน
- เขียน
- X
- ปี
- ปี
- ใช่
- ยัง
- นิวยอร์ก
- คุณ
- ของคุณ
- ลมทะเล
- การเรียนรู้แบบ Zero-Shot