Amazon Titan lmage جنریٹر G1 ایک جدید ٹیکسٹ ٹو امیج ماڈل ہے، جو بذریعہ دستیاب ہے۔ ایمیزون بیڈرک، جو مختلف سیاق و سباق میں ایک سے زیادہ اشیاء کو بیان کرنے والے اشارے کو سمجھنے کے قابل ہے اور ان متعلقہ تفصیلات کو اس کی تخلیق کردہ تصاویر میں کیپچر کرتا ہے۔ یہ یو ایس ایسٹ (این. ورجینیا) اور یو ایس ویسٹ (اوریگون) AWS ریجنز میں دستیاب ہے اور تصویری ترمیم کے جدید کام جیسے کہ سمارٹ کراپنگ، ان پینٹنگ اور پس منظر میں تبدیلیاں انجام دے سکتا ہے۔ تاہم، صارفین ماڈل کو اپنی مرضی کے مطابق ڈیٹا سیٹس میں منفرد خصوصیات کے مطابق ڈھالنا چاہیں گے جن پر ماڈل پہلے سے تربیت یافتہ نہیں ہے۔ حسب ضرورت ڈیٹا سیٹس میں انتہائی ملکیتی ڈیٹا شامل ہو سکتا ہے جو آپ کے برانڈ کے رہنما خطوط یا مخصوص طرزوں جیسا کہ پچھلی مہم کے مطابق ہو۔ ان استعمال کے معاملات کو حل کرنے اور مکمل طور پر ذاتی نوعیت کی تصاویر بنانے کے لیے، آپ ایمیزون ٹائٹن امیج جنریٹر کو اپنے ڈیٹا کے ساتھ ٹھیک ٹیون کر سکتے ہیں۔ ایمیزون بیڈرک کے لیے اپنی مرضی کے ماڈل.
تصاویر بنانے سے لے کر ان میں ترمیم کرنے تک، ٹیکسٹ ٹو امیج ماڈلز کی پوری صنعتوں میں وسیع ایپلی کیشنز ہوتی ہیں۔ وہ ملازمین کی تخلیقی صلاحیتوں کو بڑھا سکتے ہیں اور محض متنی وضاحت کے ساتھ نئے امکانات کا تصور کرنے کی صلاحیت فراہم کر سکتے ہیں۔ مثال کے طور پر، یہ آرکیٹیکٹس کے لیے ڈیزائن اور فرش کی منصوبہ بندی میں مدد کر سکتا ہے اور مختلف ڈیزائنوں کو تخلیق کرنے کے دستی عمل کے بغیر ان کا تصور کرنے کی صلاحیت فراہم کر کے تیز تر اختراع کی اجازت دے سکتا ہے۔ اسی طرح، یہ مختلف صنعتوں جیسے کہ مینوفیکچرنگ، ریٹیل میں فیشن ڈیزائن، اور گیم ڈیزائن میں گرافکس اور عکاسیوں کی نسل کو ہموار کر کے ڈیزائن میں مدد کر سکتا ہے۔ ٹیکسٹ ٹو امیج ماڈلز ذاتی تشہیر کے ساتھ ساتھ میڈیا اور تفریحی استعمال کے معاملات میں انٹرایکٹو اور عمیق بصری چیٹ بوٹس کی اجازت دے کر آپ کے کسٹمر کے تجربے کو بھی بہتر بناتے ہیں۔
اس پوسٹ میں، ہم دو نئے زمرے سیکھنے کے لیے Amazon Titan Image Generator ماڈل کو ٹھیک کرنے کے عمل میں آپ کی رہنمائی کرتے ہیں: Ron the dog اور Smila the cat، ہمارے پسندیدہ پالتو جانور۔ ہم اس بات پر تبادلہ خیال کرتے ہیں کہ ماڈل فائن ٹیوننگ ٹاسک کے لیے اپنے ڈیٹا کو کیسے تیار کیا جائے اور Amazon Bedrock میں ماڈل حسب ضرورت کام کیسے بنایا جائے۔ آخر میں، ہم آپ کو دکھاتے ہیں کہ آپ اپنے فائن ٹیونڈ ماڈل کی جانچ اور تعیناتی کیسے کریں۔ فراہم کردہ تھرو پٹ.
کتے کو رون دو | بلی کی مسکراہٹ |
کسی کام کو ٹھیک کرنے سے پہلے ماڈل کی صلاحیتوں کا جائزہ لینا
فاؤنڈیشن ماڈلز کو بڑی مقدار میں ڈیٹا پر تربیت دی جاتی ہے، اس لیے یہ ممکن ہے کہ آپ کا ماڈل باکس کے باہر کافی حد تک کام کرے۔ اس لیے یہ جانچنا اچھا عمل ہے کہ آیا آپ کو اپنے استعمال کے معاملے کے لیے اپنے ماڈل کو ٹھیک ٹھیک کرنے کی ضرورت ہے یا اگر فوری انجینئرنگ کافی ہے۔ آئیے ایمیزون ٹائٹن امیج جنریٹر ماڈل کے ساتھ رون دی ڈاگ اور سمیلا بلی کی کچھ تصاویر بنانے کی کوشش کرتے ہیں، جیسا کہ درج ذیل اسکرین شاٹس میں دکھایا گیا ہے۔
جیسا کہ توقع کی گئی ہے، باکس سے باہر کا ماڈل ابھی تک رون اور سمیلا کو نہیں جانتا ہے، اور پیدا شدہ نتائج مختلف کتوں اور بلیوں کو دکھاتے ہیں۔ کچھ فوری انجینئرنگ کے ساتھ، ہم اپنے پسندیدہ پالتو جانوروں کی شکل کے قریب جانے کے لیے مزید تفصیلات فراہم کر سکتے ہیں۔
اگرچہ تیار کردہ تصاویر رون اور سمیلا سے زیادہ ملتی جلتی ہیں، لیکن ہم دیکھتے ہیں کہ ماڈل ان کی مکمل مشابہت کو دوبارہ پیش کرنے کے قابل نہیں ہے۔ آئیے اب رون اور سمائلا کی تصاویر کے ساتھ ایک ٹھیک ٹیوننگ کا کام شروع کرتے ہیں تاکہ مستقل، ذاتی نوعیت کے نتائج حاصل کیے جاسکیں۔
فائن ٹیوننگ ایمیزون ٹائٹن امیج جنریٹر
Amazon Bedrock آپ کو آپ کے Amazon Titan Image Generator ماڈل کو ٹھیک کرنے کے لیے بغیر سرور کا تجربہ فراہم کرتا ہے۔ آپ کو صرف اپنا ڈیٹا تیار کرنے اور اپنے ہائپر پیرامیٹر کو منتخب کرنے کی ضرورت ہے، اور AWS آپ کے لیے بھاری بھرکم سامان اٹھائے گا۔
جب آپ ایمیزون ٹائٹن امیج جنریٹر ماڈل کو ٹھیک کرنے کے لیے استعمال کرتے ہیں، تو اس ماڈل کی ایک کاپی AWS ماڈل ڈویلپمنٹ اکاؤنٹ میں بنائی جاتی ہے، جس کی ملکیت AWS کے پاس ہوتی ہے اور اس کا انتظام ہوتا ہے، اور ایک ماڈل حسب ضرورت کام تخلیق کیا جاتا ہے۔ یہ کام پھر VPC سے فائن ٹیوننگ ڈیٹا تک رسائی حاصل کرتا ہے اور amazon Titan ماڈل کا وزن اپ ڈیٹ ہوتا ہے۔ نئے ماڈل کو پھر ایک میں محفوظ کیا جاتا ہے۔ ایمیزون سادہ اسٹوریج سروس (ایمیزون S3) پہلے سے تربیت یافتہ ماڈل کے طور پر اسی ماڈل کے ترقیاتی اکاؤنٹ میں واقع ہے۔ اب اسے صرف آپ کے اکاؤنٹ کے ذریعے اندازہ لگانے کے لیے استعمال کیا جا سکتا ہے اور کسی دوسرے AWS اکاؤنٹ کے ساتھ اس کا اشتراک نہیں کیا گیا ہے۔ تخمینہ چلاتے وقت، آپ a کے ذریعے اس ماڈل تک رسائی حاصل کرتے ہیں۔ فراہم کردہ صلاحیت کی گنتی یا براہ راست، استعمال کرتے ہوئے ایمیزون بیڈرک کے لیے بیچ کا اندازہ. منتخب کردہ تخمینہ کے طریقہ کار سے آزادانہ طور پر، آپ کا ڈیٹا آپ کے اکاؤنٹ میں رہتا ہے اور اسے کسی AWS کی ملکیت والے اکاؤنٹ میں کاپی نہیں کیا جاتا ہے یا Amazon Titan Image Generator ماڈل کو بہتر بنانے کے لیے استعمال نہیں کیا جاتا ہے۔
درج ذیل خاکہ اس ورک فلو کو واضح کرتا ہے۔
ڈیٹا پرائیویسی اور نیٹ ورک سیکیورٹی
آپ کا ڈیٹا فائن ٹیوننگ کے لیے استعمال کیا جاتا ہے جس میں پرامپٹس کے ساتھ ساتھ حسب ضرورت ماڈلز بھی آپ کے AWS اکاؤنٹ میں نجی رہتے ہیں۔ ان کا اشتراک یا ماڈل ٹریننگ یا سروس میں بہتری کے لیے استعمال نہیں کیا جاتا ہے، اور تیسرے فریق ماڈل فراہم کنندگان کے ساتھ اشتراک نہیں کیا جاتا ہے۔ فائن ٹیوننگ کے لیے استعمال ہونے والا تمام ڈیٹا ٹرانزٹ اور آرام کے دوران انکرپٹ کیا جاتا ہے۔ ڈیٹا اسی خطے میں رہتا ہے جہاں API کال پر کارروائی ہوتی ہے۔ آپ بھی استعمال کر سکتے ہیں۔ AWS پرائیویٹ لنک AWS اکاؤنٹ جہاں آپ کا ڈیٹا رہتا ہے اور VPC کے درمیان ایک نجی کنکشن بنانے کے لیے۔
ڈیٹا کی تیاری
اس سے پہلے کہ آپ ماڈل حسب ضرورت کام بنا سکیں، آپ کو یہ کرنے کی ضرورت ہے۔ اپنا تربیتی ڈیٹاسیٹ تیار کریں۔. آپ کے تربیتی ڈیٹاسیٹ کا فارمیٹ اس بات پر منحصر ہے کہ آپ کس کسٹمائزیشن جاب بنا رہے ہیں (فائن ٹیوننگ یا جاری پری ٹریننگ) اور آپ کے ڈیٹا کی وضع (ٹیکسٹ ٹو ٹیکسٹ، ٹیکسٹ ٹو امیج، یا امیج ٹو۔ سرایت کرنا)۔ ایمیزون ٹائٹن امیج جنریٹر ماڈل کے لیے، آپ کو وہ تصاویر فراہم کرنے کی ضرورت ہے جنہیں آپ فائن ٹیوننگ کے لیے استعمال کرنا چاہتے ہیں اور ہر تصویر کے لیے ایک کیپشن۔ Amazon Bedrock توقع کرتا ہے کہ آپ کی تصاویر Amazon S3 پر اسٹور کی جائیں گی اور تصاویر اور سرخیوں کے جوڑے JSONL فارمیٹ میں متعدد JSON لائنوں کے ساتھ فراہم کیے جائیں گے۔
ہر JSON لائن ایک نمونہ ہے جس میں ایک امیج-ریف، تصویر کے لیے S3 URI، اور ایک کیپشن ہے جس میں تصویر کے لیے متنی اشارہ شامل ہے۔ آپ کی تصاویر JPEG یا PNG فارمیٹ میں ہونی چاہئیں۔ درج ذیل کوڈ فارمیٹ کی ایک مثال دکھاتا ہے:
{"image-ref": "s3://bucket/path/to/image001.png", "caption": ""} {"image-ref": "s3://bucket/path/to/image002.png", "caption": ""} {"image-ref": "s3://bucket/path/to/image003.png", "caption": ""}
چونکہ "Ron" اور "Smila" ایسے نام ہیں جو دوسرے سیاق و سباق میں بھی استعمال کیے جا سکتے ہیں، جیسے کہ کسی شخص کا نام، ہم اپنے ماڈل کو ٹھیک کرنے کے لیے پرامپٹ بناتے وقت "Ron the dog" اور "Smila the cat" کو شامل کرتے ہیں۔ . اگرچہ یہ ٹھیک ٹیوننگ ورک فلو کی ضرورت نہیں ہے، لیکن یہ اضافی معلومات ماڈل کے لیے زیادہ سیاق و سباق کی وضاحت فراہم کرتی ہے جب اسے نئی کلاسوں کے لیے اپنی مرضی کے مطابق بنایا جا رہا ہے اور رون نامی شخص کے ساتھ 'Ron the dog' کی الجھن سے بچ جائے گا۔ یوکرین میں سمیلا شہر کے ساتھ بلی کو سمائلا۔ اس منطق کا استعمال کرتے ہوئے، درج ذیل تصاویر ہمارے تربیتی ڈیٹاسیٹ کا نمونہ دکھاتی ہیں۔
کتے کو سفید کتے کے بستر پر لیٹائیں۔ | ٹائل کے فرش پر بیٹھے کتے کو رون دیں۔ | کار سیٹ پر لیٹ کر کتے کو رون دیں۔ |
ایک صوفے پر لیٹی ہوئی بلی کو سمائلا۔ | سمائلا بلی صوفے پر لیٹی کیمرے کو گھور رہی ہے۔ | سمائلا بلی پالتو جانوروں کے کیریئر میں لیٹی ہوئی ہے۔ |
اپنے ڈیٹا کو حسب ضرورت کام کی طرف سے متوقع فارمیٹ میں تبدیل کرتے وقت، ہمیں مندرجہ ذیل نمونہ کا ڈھانچہ ملتا ہے:
{"image-ref": "/ron_01.jpg", "caption": "سفید کتے کے بستر پر لیٹا ہوا کتا رون"} {"image-ref": "/ron_02.jpg", "caption": "کتے کو ٹائل کے فرش پر رون کرو"} {"image-ref": "/ron_03.jpg", "caption": "Ron the dog a car seat پر لیٹا ہوا"} {"image-ref": "/smila_01.jpg"، "کیپشن": "سمائلا دی بلی صوفے پر لیٹی ہوئی ہے"} {"image-ref": "/smila_02.jpg", "caption": "مسائلا بلی کھڑکی کے پاس ایک مجسمہ بلی کے ساتھ بیٹھی ہے"} {"image-ref": "/smila_03.jpg", "caption": "smila the بلی جو پالتو جانوروں کے کیریئر پر لیٹی ہوئی ہے"}
اپنی JSONL فائل بنانے کے بعد، ہمیں اپنا حسب ضرورت کام شروع کرنے کے لیے اسے S3 بالٹی میں اسٹور کرنا ہوگا۔ Amazon Titan Image Generator G1 فائن ٹیوننگ جابز 5-10,000 تصاویر کے ساتھ کام کریں گی۔ اس پوسٹ میں زیر بحث مثال کے لیے، ہم 60 تصاویر استعمال کرتے ہیں: 30 رون کتے کی اور 30 سمیلا بلی کی۔ عام طور پر، آپ جس طرز یا طبقے کو سیکھنے کی کوشش کر رہے ہیں اس کی مزید اقسام فراہم کرنے سے آپ کے عمدہ ماڈل کی درستگی میں بہتری آئے گی۔ تاہم، آپ فائن ٹیوننگ کے لیے جتنی زیادہ تصاویر استعمال کریں گے، فائن ٹیوننگ کے کام کو مکمل ہونے میں اتنا ہی زیادہ وقت درکار ہوگا۔ استعمال شدہ تصاویر کی تعداد آپ کے ٹھیک کام کی قیمتوں کو بھی متاثر کرتی ہے۔ کا حوالہ دیتے ہیں ایمیزون بیڈرک قیمتوں کا تعین مزید معلومات کے لیے.
فائن ٹیوننگ ایمیزون ٹائٹن امیج جنریٹر
اب جب کہ ہمارے پاس اپنا تربیتی ڈیٹا تیار ہے، ہم ایک نیا حسب ضرورت کام شروع کر سکتے ہیں۔ یہ عمل Amazon Bedrock کنسول یا APIs دونوں کے ذریعے کیا جا سکتا ہے۔ Amazon Bedrock کنسول استعمال کرنے کے لیے، درج ذیل مراحل کو مکمل کریں:
- ایمیزون بیڈرک کنسول پر، منتخب کریں۔ حسب ضرورت ماڈلز نیوی گیشن پین میں.
- پر ماڈل کو حسب ضرورت بنائیں مینو، منتخب کریں ٹھیک ٹیوننگ کام بنائیں.
- کے لئے فائن ٹیونڈ ماڈل کا ناماپنے نئے ماڈل کا نام درج کریں۔
- کے لئے ملازمت کی ترتیب، تربیتی کام کے لیے ایک نام درج کریں۔
- کے لئے ان پٹ ڈیٹا، ان پٹ ڈیٹا کا S3 راستہ داخل کریں۔
- میں ہائپرپیرامیٹر سیکشن، درج ذیل کے لیے اقدار فراہم کریں:
- اقدامات کی تعداد - ماڈل کے ہر بیچ کے سامنے آنے کی تعداد۔
- بیچ سائز - ماڈل پیرامیٹرز کو اپ ڈیٹ کرنے سے پہلے پروسیس کیے گئے نمونوں کی تعداد۔
- سیکھنے کی شرح - وہ شرح جس پر ہر بیچ کے بعد ماڈل کے پیرامیٹرز کو اپ ڈیٹ کیا جاتا ہے۔ ان پیرامیٹرز کا انتخاب دیئے گئے ڈیٹاسیٹ پر منحصر ہے۔ ایک عام رہنما خطوط کے طور پر، ہم تجویز کرتے ہیں کہ آپ بیچ کے سائز کو 8، سیکھنے کی شرح کو 1e-5 مقرر کرکے شروع کریں، اور استعمال شدہ تصاویر کی تعداد کے مطابق مراحل کی تعداد مقرر کریں، جیسا کہ مندرجہ ذیل جدول میں تفصیل سے بتایا گیا ہے۔
فراہم کردہ تصاویر کی تعداد | 8 | 32 | 64 | 1,000 | 10,000 |
تجویز کردہ اقدامات کی تعداد | 1,000 | 4,000 | 8,000 | 10,000 | 12,000 |
اگر آپ کے فائن ٹیوننگ کام کے نتائج تسلی بخش نہیں ہیں تو، اگر آپ تیار کردہ تصاویر میں اسٹائل کی کوئی علامت نہیں دیکھتے ہیں تو اقدامات کی تعداد بڑھانے پر غور کریں، اور اگر آپ تیار کردہ تصاویر میں اسٹائل کا مشاہدہ کرتے ہیں تو قدموں کی تعداد کو کم کرنے پر غور کریں۔ نمونے یا دھندلا پن کے ساتھ۔ اگر ٹھیک ٹیون شدہ ماڈل 40,000 قدموں کے بعد بھی آپ کے ڈیٹاسیٹ میں منفرد انداز سیکھنے میں ناکام رہتا ہے، تو بیچ سائز یا سیکھنے کی شرح بڑھانے پر غور کریں۔
- میں آؤٹ پٹ ڈیٹا سیکشن، S3 آؤٹ پٹ پاتھ میں داخل ہوں جہاں توثیق کے آؤٹ پٹس، بشمول وقتاً فوقتاً ریکارڈ شدہ توثیق کے نقصان اور درستگی کے میٹرکس کو محفوظ کیا جاتا ہے۔
- میں خدمت تک رسائی سیکشن، ایک نیا پیدا کریں AWS شناخت اور رسائی کا انتظام (IAM) کا کردار ادا کریں یا اپنی S3 بالٹی تک رسائی کے لیے ضروری اجازتوں کے ساتھ موجودہ IAM رول کا انتخاب کریں۔
یہ اجازت Amazon Bedrock کو اس قابل بناتی ہے کہ وہ آپ کے نامزد بالٹی سے ان پٹ اور توثیق کے ڈیٹاسیٹس کو بازیافت کرے اور توثیق کے آؤٹ پٹس کو بغیر کسی رکاوٹ کے آپ کی S3 بالٹی میں اسٹور کرے۔
- میں سے انتخاب کریں فائن ٹیون ماڈل.
درست کنفیگریشن سیٹ کے ساتھ، Amazon Bedrock اب آپ کے حسب ضرورت ماڈل کو تربیت دے گا۔
پروویژنڈ تھرو پٹ کے ساتھ ٹھیک ٹیونڈ ایمیزون ٹائٹن امیج جنریٹر کو تعینات کریں۔
حسب ضرورت ماڈل بنانے کے بعد، پروویژنڈ تھرو پٹ آپ کو حسب ضرورت ماڈل کے لیے پروسیسنگ کی گنجائش کی ایک پہلے سے طے شدہ، مقررہ شرح مختص کرنے کی اجازت دیتا ہے۔ یہ مختص کام کے بوجھ سے نمٹنے کے لیے کارکردگی اور صلاحیت کی مستقل سطح فراہم کرتا ہے، جس کے نتیجے میں پیداواری کام کے بوجھ میں بہتر کارکردگی ہوتی ہے۔ پروویژنڈ تھرو پٹ کا دوسرا فائدہ لاگت پر کنٹرول ہے، کیونکہ آن ڈیمانڈ انفرنس موڈ کے ساتھ معیاری ٹوکن پر مبنی قیمتوں کا بڑے پیمانے پر اندازہ لگانا مشکل ہو سکتا ہے۔
جب آپ کے ماڈل کی ٹھیک ٹیوننگ مکمل ہوجائے گی، تو یہ ماڈل پر ظاہر ہوگا۔ اپنی مرضی کے ماڈلز ایمیزون بیڈرک کنسول پر صفحہ۔
پروویژنڈ تھرو پٹ خریدنے کے لیے، وہ حسب ضرورت ماڈل منتخب کریں جسے آپ نے ابھی ٹھیک بنایا ہے اور منتخب کیا ہے۔ پروویژنڈ تھرو پٹ خریدیں۔.
یہ منتخب ماڈل کو پہلے سے تیار کرتا ہے جس کے لیے آپ پروویژنڈ تھرو پٹ خریدنا چاہتے ہیں۔ تعیناتی سے پہلے اپنے فائن ٹیونڈ ماڈل کی جانچ کے لیے، ماڈل یونٹس کو 1 کی قدر پر سیٹ کریں اور عزم کی مدت مقرر کریں کوئی عزم نہیں۔. یہ فوری طور پر آپ کو اپنے حسب ضرورت اشارے کے ساتھ اپنے ماڈلز کی جانچ شروع کرنے اور چیک کرنے دیتا ہے کہ آیا تربیت مناسب ہے۔ مزید برآں، جب نئے فائن ٹیونڈ ماڈلز اور نئے ورژن دستیاب ہوں، تو آپ پروویژنڈ تھرو پٹ کو اس وقت تک اپ ڈیٹ کر سکتے ہیں جب تک کہ آپ اسے اسی ماڈل کے دوسرے ورژن کے ساتھ اپ ڈیٹ کریں۔
فائن ٹیوننگ کے نتائج
Ron the dog اور Smila the cat کے ماڈل کو اپنی مرضی کے مطابق بنانے کے ہمارے کام کے لیے، تجربات سے معلوم ہوا کہ بہترین ہائپر پیرامیٹر 5,000 قدم تھے جن کا بیچ سائز 8 اور سیکھنے کی شرح 1e-5 تھی۔
حسب ضرورت ماڈل کے ذریعے تیار کردہ تصاویر کی کچھ مثالیں درج ذیل ہیں۔
سپر ہیرو کیپ پہنے کتے کو رون کریں۔ | چاند پر کتے کو رون دو | دھوپ کے چشموں کے ساتھ سوئمنگ پول میں کتے کو رون دیں۔ |
برف پر بلی کی مسکراہٹ | سیاہ اور سفید رنگ کی بلی کیمرے کو گھور رہی ہے۔ | کرسمس کی ٹوپی پہنے بلی کی مسکراہٹ |
نتیجہ
اس پوسٹ میں، ہم نے اس بات پر تبادلہ خیال کیا کہ بہتر کوالٹی امیج جنریشن کے لیے آپ کے پرامپٹس کو انجینئرنگ کرنے کے بجائے فائن ٹیوننگ کب استعمال کریں۔ ہم نے دکھایا کہ ایمیزون ٹائٹن امیج جنریٹر ماڈل کو کیسے ٹھیک کیا جائے اور کسٹم ماڈل کو ایمیزون بیڈروک پر تعینات کیا جائے۔ ہم نے اس بارے میں عمومی رہنما خطوط بھی فراہم کیے ہیں کہ آپ کے ڈیٹا کو ٹھیک ٹیوننگ کے لیے کیسے تیار کیا جائے اور زیادہ درست ماڈل کی تخصیص کے لیے بہترین ہائپر پیرامیٹر سیٹ کریں۔
اگلے قدم کے طور پر، آپ درج ذیل کو اپنا سکتے ہیں۔ مثال کے طور پر ایمیزون ٹائٹن امیج جنریٹر کا استعمال کرتے ہوئے ہائپر پرسنلائزڈ تصاویر بنانے کے لیے آپ کے استعمال کے معاملے میں۔
مصنفین کے بارے میں
مائرہ لاڈیرہ ٹنکے AWS میں ایک سینئر جنریٹو AI ڈیٹا سائنسدان ہیں۔ مشین لرننگ کے پس منظر کے ساتھ، اس کے پاس تمام صنعتوں کے صارفین کے ساتھ آرکیٹیکٹنگ اور AI ایپلی کیشنز بنانے کا 10 سال سے زیادہ کا تجربہ ہے۔ ایک تکنیکی قیادت کے طور پر، وہ Amazon Bedrock پر جنریٹیو AI سلوشنز کے ذریعے صارفین کی کاروباری قدر کے حصول کو تیز کرنے میں مدد کرتی ہے۔ اپنے فارغ وقت میں، مائرہ کو سفر کرنا، اپنی بلی سمائلا کے ساتھ کھیلنا، اور اپنی فیملی کے ساتھ گرم جگہ پر وقت گزارنا پسند ہے۔
ڈینی مچل ایمیزون ویب سروسز میں ایک AI/ML ماہر حل آرکیٹیکٹ ہے۔ وہ کمپیوٹر وژن کے استعمال کے معاملات پر توجہ مرکوز کرتا ہے اور EMEA بھر کے صارفین کو ان کے ML سفر کو تیز کرنے میں مدد کرتا ہے۔
بھارتی سری نواسن AWS پروفیشنل سروسز میں ڈیٹا سائنٹسٹ ہے، جہاں وہ Amazon Bedrock پر ٹھنڈی چیزیں بنانا پسند کرتی ہے۔ وہ ذمہ دار AI پر توجہ مرکوز کرتے ہوئے مشین لرننگ ایپلی کیشنز سے بزنس ویلیو کو چلانے کا شوق رکھتی ہے۔ صارفین کے لیے نئے AI تجربات بنانے کے علاوہ، بھارتی سائنس فکشن لکھنا اور برداشت کے کھیلوں کے ساتھ خود کو چیلنج کرنا پسند کرتی ہے۔
اچین جین ایمیزون آرٹیفیشل جنرل انٹیلی جنس (AGI) ٹیم کے ساتھ ایک اپلائیڈ سائنٹسٹ ہے۔ اسے ٹیکسٹ ٹو امیج ماڈلز میں مہارت حاصل ہے اور اس کی توجہ ایمیزون ٹائٹن امیج جنریٹر بنانے پر ہے۔
- SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
- پلیٹو ڈیٹا ڈاٹ نیٹ ورک ورٹیکل جنریٹو اے آئی۔ اپنے آپ کو بااختیار بنائیں۔ یہاں تک رسائی حاصل کریں۔
- پلیٹوآئ اسٹریم۔ ویب 3 انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
- پلیٹو ای ایس جی۔ کاربن، کلین ٹیک، توانائی ، ماحولیات، شمسی، ویسٹ مینجمنٹ یہاں تک رسائی حاصل کریں۔
- پلیٹو ہیلتھ۔ بائیوٹیک اینڈ کلینیکل ٹرائلز انٹیلی جنس۔ یہاں تک رسائی حاصل کریں۔
- ماخذ: https://aws.amazon.com/blogs/machine-learning/fine-tune-your-amazon-titan-image-generator-g1-model-using-amazon-bedrock-model-customization/
- : ہے
- : ہے
- : نہیں
- :کہاں
- 000
- 1
- 10
- 100
- 225
- 250
- 30
- 300
- 40
- 60
- 7
- 8
- 9
- 937
- a
- کی صلاحیت
- قابلیت
- ہمارے بارے میں
- رفتار کو تیز تر
- تک رسائی حاصل
- کے مطابق
- اکاؤنٹ
- درستگی
- درست
- کامیابی
- کے پار
- اصل میں
- اپنانے
- شامل کریں
- ایڈیشنل
- اضافی معلومات
- پتہ
- مناسب
- اعلی درجے کی
- فائدہ
- اشتہار.
- کے بعد
- AGI
- AI
- AI ڈیٹا
- AI / ML
- امداد
- تمام
- مختص
- تین ہلاک
- کی اجازت
- اجازت دے رہا ہے
- کی اجازت دیتا ہے
- پہلے ہی
- بھی
- اگرچہ
- ایمیزون
- ایمیزون ویب سروسز
- مقدار
- an
- اور
- کوئی بھی
- اے پی آئی
- APIs
- ظاہر
- ایپلی کیشنز
- اطلاقی
- آرکیٹیکٹس
- کیا
- مصنوعی
- مصنوعی عمومی ذہانت
- AS
- At
- اجازت
- دستیاب
- سے اجتناب
- AWS
- AWS پروفیشنل سروسز
- پس منظر
- بیس
- BE
- کیونکہ
- اس سے پہلے
- شروع کریں
- کیا جا رہا ہے
- BEST
- بہتر
- کے درمیان
- سیاہ
- دونوں
- باکس
- برانڈ
- وسیع
- تعمیر
- عمارت
- کاروبار
- لیکن
- by
- فون
- کہا جاتا ہے
- کیمرہ
- مہم
- کر سکتے ہیں
- صلاحیتوں
- اہلیت
- کیپشن
- قبضہ
- کار کے
- کیس
- مقدمات
- CAT
- اقسام
- بلیوں
- چیلنج
- تبدیلیاں
- خصوصیات
- چیٹ بٹس
- چیک کریں
- انتخاب
- میں سے انتخاب کریں
- منتخب کیا
- کرسمس
- شہر
- وضاحت
- طبقے
- کلاس
- قریب
- کوڈ
- وابستگی
- مکمل
- کمپیوٹر
- کمپیوٹر ویژن
- الجھن
- کنکشن
- غور کریں
- متواتر
- کنسول
- سیاق و سباق
- متعلقہ
- جاری رہی
- کنٹرول
- ٹھنڈی
- کاپی
- درست
- قیمت
- سکتا ہے
- تخلیق
- بنائی
- تخلیق
- تخلیقی
- اپنی مرضی کے
- گاہک
- گاہک کا تجربہ
- گاہکوں
- اصلاح
- اپنی مرضی کے مطابق
- جدید
- اعداد و شمار
- ڈیٹا سائنسدان
- ڈیٹاسیٹس
- انحصار کرتا ہے
- تعیناتی
- تعیناتی
- بیان
- ڈیزائن
- نامزد
- ڈیزائن
- تفصیلی
- تفصیلات
- ترقی
- آریھ
- مختلف
- مشکل
- براہ راست
- بات چیت
- بات چیت
- کرتا
- کتا
- کیا
- نہیں
- ڈرائیونگ
- ہر ایک
- وسطی
- ای ایم ای اے
- ملازم
- کے قابل بناتا ہے
- خفیہ کردہ
- انجنیئرنگ
- بڑھانے کے
- کافی
- درج
- تفریح
- بھی
- مثال کے طور پر
- مثال کے طور پر
- موجودہ
- توقع
- امید ہے
- تجربہ
- تجربات
- تجربات
- مہارت
- ظاہر
- ناکام رہتا ہے
- خاندان
- فیشن
- تیز تر
- پسندیدہ
- افسانے
- فائل
- آخر
- آخر
- مقرر
- فلور
- توجہ مرکوز
- توجہ مرکوز
- کے بعد
- کے لئے
- فارمیٹ
- مفت
- سے
- مکمل
- مکمل طور پر
- g1
- کھیل ہی کھیل میں
- جنرل
- عمومی ذہانت
- پیدا
- پیدا
- پیدا ہوتا ہے
- پیدا کرنے والے
- نسل
- پیداواری
- پیداواری AI۔
- جنریٹر
- حاصل
- دی
- اچھا
- گرافکس
- رہنمائی
- ہدایات
- ہینڈل
- ہینڈلنگ
- ہے
- he
- بھاری
- بھاری وزن اٹھانا
- مدد
- مدد کرتا ہے
- اس کی
- انتہائی
- کس طرح
- کیسے
- تاہم
- HTML
- HTTP
- HTTPS
- شناخت کار
- شناختی
- if
- وضاحت کرتا ہے
- تصویر
- تصاویر
- تصور
- عمیق
- کو بہتر بنانے کے
- بہتری
- in
- دیگر میں
- شامل
- شامل ہیں
- سمیت
- اضافہ
- آزادانہ طور پر
- صنعتوں
- اثر و رسوخ
- معلومات
- جدت طرازی
- ان پٹ
- کے بجائے
- انٹیلی جنس
- انٹرایکٹو
- IT
- میں
- ایوب
- نوکریاں
- سفر
- JPEG
- فوٹو
- JSON
- صرف
- جان
- بڑے
- بچھانے
- قیادت
- جانیں
- سیکھنے
- آو ہم
- سطح
- اٹھانے
- کی طرح
- لائن
- لائنوں
- واقع ہے
- منطق
- لانگ
- دیکھو
- بند
- سے محبت کرتا ہے
- مشین
- مشین لرننگ
- میں کامیاب
- دستی
- مینوفیکچرنگ
- میڈیا
- پیمائش کا معیار
- ML
- موڈ
- ماڈل
- ماڈل
- زیادہ
- اس کے علاوہ
- ایک سے زیادہ
- ضروری
- نام
- نام
- سمت شناسی
- ضروری
- ضرورت ہے
- نیٹ ورک
- نئی
- اگلے
- اب
- تعداد
- اشیاء
- مشاہدہ
- of
- on
- ڈیمانڈ
- صرف
- زیادہ سے زیادہ
- or
- وریگن
- دیگر
- ہمارے
- باہر
- پیداوار
- نتائج
- باہر
- پر
- خود
- ملکیت
- صفحہ
- جوڑے
- پین
- پیرامیٹرز
- جذباتی
- راستہ
- انجام دیں
- کارکردگی
- اجازتیں
- انسان
- نجیکرت
- پالتو جانور
- تصویر
- منصوبہ بندی
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- کھیل
- پول
- امکانات
- ممکن
- پوسٹ
- پریکٹس
- پیشن گوئی
- تیار
- پچھلا
- قیمتوں کا تعین
- کی رازداری
- نجی
- عمل
- عملدرآمد
- پروسیسنگ
- پیداوار
- پیشہ ورانہ
- اشارہ کرتا ہے
- ملکیت
- فراہم
- فراہم
- فراہم کرنے والے
- فراہم کرتا ہے
- فراہم کرنے
- خرید
- جلدی سے
- شرح
- تیار
- سفارش
- درج
- کا حوالہ دیتے ہیں
- خطے
- خطوں
- متعلقہ
- رہے
- باقی
- ضرورت
- ضرورت
- رہتا ہے
- ذمہ دار
- باقی
- نتائج کی نمائش
- خوردہ
- کردار
- RON
- چل رہا ہے
- اسی
- نمونہ
- محفوظ
- ترازو
- سائنس
- اشتھانکلپنا
- سائنسدان
- اسکرین شاٹس
- بغیر کسی رکاوٹ کے
- دوسری
- سیکشن
- دیکھنا
- منتخب
- منتخب
- سینئر
- بے سرور
- سروس
- سروسز
- مقرر
- مشترکہ
- وہ
- دکھائیں
- سے ظاہر ہوا
- دکھایا گیا
- شوز
- نشانیاں
- اسی طرح
- اسی طرح
- سادہ
- صرف
- بیٹھنا
- سائز
- ہوشیار
- So
- حل
- کچھ
- ماہر
- مخصوص
- خرچ کرنا۔
- اسپورٹس
- معیار
- شروع کریں
- مرحلہ
- مراحل
- ذخیرہ
- ذخیرہ
- ذخیرہ
- منظم
- ساخت
- سٹائل
- اس طرح
- کافی
- ٹیبل
- ٹاسک
- کاموں
- ٹیم
- ٹیکنیکل
- اصطلاح
- ٹیسٹ
- ٹیسٹنگ
- متنی
- کہ
- ۔
- ان
- ان
- تو
- یہ
- وہ
- چیزیں
- تیسری پارٹی
- اس
- کے ذریعے
- تھرو پٹ
- وقت
- اوقات
- ٹائٹین
- کرنے کے لئے
- ٹرین
- تربیت یافتہ
- ٹریننگ
- تبدیل
- ٹرانزٹ
- سفر
- کوشش
- کی کوشش کر رہے
- ٹیوننگ
- دو
- قسم
- یوکرائن
- سمجھ
- منفرد
- یونٹس
- اپ ڈیٹ کریں
- اپ ڈیٹ
- اپ ڈیٹ
- us
- استعمال کی شرائط
- استعمال کیس
- استعمال کیا جاتا ہے
- صارفین
- کا استعمال کرتے ہوئے
- توثیق
- قیمت
- اقدار
- مختلف
- ورژن
- کی طرف سے
- ورجینیا
- نقطہ نظر
- بصری
- تصور کرنا
- چاہتے ہیں
- گرم
- we
- ویب
- ویب خدمات
- اچھا ہے
- تھے
- مغربی
- جب
- جس
- سفید
- کیوں
- گے
- ونڈو
- ساتھ
- بغیر
- کام
- کام کا بہاؤ
- گا
- لکھنا
- سال
- ابھی
- تم
- اور
- زیفیرنیٹ