تخلیقی اشتہارات میں تخلیقی AI (GenAI) کے ذریعے انقلاب لانے کی صلاحیت ہے۔ اب آپ GenAI ماڈل کو دوبارہ تربیت دے کر اور ماڈل میں چند ان پٹ فراہم کر کے ناول امیجز جیسے کہ پروڈکٹ شاٹس کی وسیع تغیر پیدا کر سکتے ہیں، جیسے کہ ٹیکسٹول پرامپٹس (ماڈل کے ذریعے تیار کیے جانے والے منظر اور اشیاء کو بیان کرنے والے جملے)۔ اس تکنیک نے 2022 میں فاؤنڈیشن ماڈلز (FMs) کی ایک نئی کلاس کے دھماکے کے ساتھ شروع ہونے والے امید افزا نتائج دکھائے ہیں جسے لیٹنٹ ڈفیوژن ماڈل کہا جاتا ہے جیسے مستحکم بازی, درمیانی سفر، اور Dall-E-2. تاہم، ان ماڈلز کو پروڈکشن میں استعمال کرنے کے لیے، جنریشن کے عمل کو مستقل پیداوار پیدا کرنے کے لیے مسلسل ریفائننگ کی ضرورت ہوتی ہے۔ اس کا اکثر مطلب یہ ہوتا ہے کہ پروڈکٹ کی بڑی تعداد میں نمونے کی تصاویر بنانا اور ہوشیار فوری انجینئرنگ، جو کام کو بڑے پیمانے پر مشکل بناتی ہے۔
اس پوسٹ میں، ہم اس بات کی کھوج کرتے ہیں کہ کس طرح اس تبدیلی کی ٹیکنالوجی کو بڑے پیمانے پر دلکش اور اختراعی اشتہارات پیدا کرنے کے لیے استعمال کیا جا سکتا ہے، خاص طور پر جب تصویروں کے بڑے کیٹلاگ سے نمٹنے کے لیے۔ GenAI کی طاقت کا استعمال کرتے ہوئے، خاص طور پر پینٹنگ کی تکنیک کے ذریعے، ہم بغیر کسی رکاوٹ کے تصویری پس منظر بنا سکتے ہیں، جس کے نتیجے میں بصری طور پر شاندار اور دلکش مواد پیدا ہوتا ہے اور غیر مطلوبہ تصویری نمونے کو کم کیا جاتا ہے ماڈل hallucinations)۔ ہم اس تکنیک کو بروئے کار لا کر اس کے عملی نفاذ کا بھی جائزہ لیتے ہیں۔ ایمیزون سیج میکر اینڈ پوائنٹس، جو اس تخلیقی عمل کو چلانے والے GenAI ماڈلز کی موثر تعیناتی کو قابل بناتے ہیں۔
ہم GenAI پر مبنی امیج جنریشن کے اندر اندر پینٹنگ کو کلیدی تکنیک کے طور پر استعمال کرتے ہیں کیونکہ یہ تصاویر میں گمشدہ عناصر کو تبدیل کرنے کے لیے ایک طاقتور حل پیش کرتا ہے۔ تاہم، یہ کچھ چیلنجز پیش کرتا ہے۔ مثال کے طور پر، تصویر کے اندر اشیاء کی پوزیشننگ پر قطعی کنٹرول محدود ہو سکتا ہے، جس کے نتیجے میں ممکنہ مسائل جیسے کہ تصویری نمونے، تیرتی ہوئی اشیاء، یا غیر ملاوٹ شدہ حدود، جیسا کہ مندرجہ ذیل تصویروں میں دکھایا گیا ہے۔
اس پر قابو پانے کے لیے، ہم اس پوسٹ میں تجویز کرتے ہیں کہ تخلیقی آزادی اور موثر پروڈکشن کے درمیان توازن قائم کیا جائے اور کم سے کم نگرانی کا استعمال کرتے ہوئے حقیقت پسندانہ تصاویر کی ایک بڑی تعداد پیدا کی جائے۔ پیداوار کے لیے مجوزہ حل کی پیمائش کرنے اور AWS ماحول میں AI ماڈلز کی تعیناتی کو ہموار کرنے کے لیے، ہم SageMaker اینڈ پوائنٹس کا استعمال کرتے ہوئے اس کا مظاہرہ کرتے ہیں۔
خاص طور پر، ہم پینٹنگ کے عمل کو تہوں کے ایک سیٹ کے طور پر تقسیم کرنے کی تجویز کرتے ہیں، ہر ایک ممکنہ طور پر مختلف اشارے کے ساتھ۔ عمل کو مندرجہ ذیل مراحل کے طور پر خلاصہ کیا جا سکتا ہے:
- سب سے پہلے، ہم ایک عام منظر کے لیے اشارہ کرتے ہیں (مثال کے طور پر، "پیچھے میں درختوں کے ساتھ پارک") اور تصادفی طور پر آبجیکٹ کو اس پس منظر پر رکھیں۔
- اگلا، ہم اعتراض کے ذریعے آبجیکٹ کے نچلے وسط حصے میں ایک پرت شامل کرتے ہیں (مثال کے طور پر، "گھاس پر پکنک، یا لکڑی کی میز")۔
- آخر میں، ہم بیک گراؤنڈ کی طرح پرامپٹ کا استعمال کرتے ہوئے آبجیکٹ کے اوپری وسط سیکشن پر بیک گراؤنڈ لیئر کی طرح ایک پرت شامل کرتے ہیں۔
اس عمل کا فائدہ آبجیکٹ کی حقیقت پسندی میں بہتری ہے کیونکہ اسے پس منظر کے ماحول کی نسبت بہتر اسکیلنگ اور پوزیشننگ کے ساتھ سمجھا جاتا ہے جو انسانی توقعات سے میل کھاتا ہے۔ مندرجہ ذیل اعداد و شمار مجوزہ حل کے اقدامات کو ظاہر کرتا ہے۔
حل جائزہ
کاموں کو پورا کرنے کے لیے، ڈیٹا کے درج ذیل بہاؤ پر غور کیا جاتا ہے:
- کسی بھی چیز کے ماڈل (SAM) کو سیگمنٹ کریں اور مستحکم بازی انپینٹنگ ماڈلز کی میزبانی کی جاتی ہے۔ سیج میکر کے اختتامی نکات.
- ایک بیک گراؤنڈ پرامپٹ کا استعمال اسٹیبل ڈفیوژن ماڈل کا استعمال کرتے ہوئے بیک گراؤنڈ امیج بنانے کے لیے کیا جاتا ہے۔
- ماسک بنانے کے لیے ایک بیس پروڈکٹ کی تصویر SAM سے گزری ہے۔ ماسک کے الٹے حصے کو اینٹی ماسک کہا جاتا ہے۔
- جنریٹڈ بیک گراؤنڈ امیج، ماسک، پیش منظر پرامپٹس اور منفی پرامپٹس کے ساتھ اسٹیبل ڈفیوژن انپینٹنگ ماڈل میں ان پٹ کے طور پر استعمال کیا جاتا ہے تاکہ جنریٹڈ انٹرمیڈیٹ بیک گراؤنڈ امیج بنایا جا سکے۔
- اسی طرح، جنریٹڈ بیک گراؤنڈ امیج، اینٹی ماسک، پیش منظر پرامپٹس اور نیگیٹو پرامپٹس کو اسٹیبل ڈفیوژن انپینٹنگ ماڈل میں ان پٹ کے طور پر استعمال کیا جاتا ہے تاکہ ایک جنریٹڈ انٹرمیڈیٹ فار گراؤنڈ امیج بنایا جا سکے۔
- جنریٹڈ پروڈکٹ امیج کا حتمی آؤٹ پٹ جنریٹڈ انٹرمیڈیٹ فار گراؤنڈ امیج اور جنریٹڈ انٹرمیڈیٹ بیک گراؤنڈ امیج کو ملا کر حاصل کیا جاتا ہے۔
شرائط
ہم نے ایک تیار کیا ہے AWS کلاؤڈ فارمیشن ٹیمپلیٹ جو تخلیق کرے گا۔ سیج میکر نوٹ بک اختتامی نقطوں کو تعینات کرنے اور تخمینہ چلانے کے لیے استعمال کیا جاتا ہے۔
آپ کے ساتھ AWS اکاؤنٹ کی ضرورت ہوگی۔ AWS شناخت اور رسائی کا انتظام (IAM) کے کردار جو درج ذیل تک رسائی فراہم کرتے ہیں:
- AWS کلاؤڈ فارمیشن
- سیج میکر۔
- اگرچہ SageMaker اینڈ پوائنٹس ML ماڈلز کو چلانے کے لیے مثالیں فراہم کرتے ہیں، جنریٹیو AI ماڈلز جیسے بھاری کام کے بوجھ کو چلانے کے لیے، ہم GPU سے چلنے والے SageMaker اینڈ پوائنٹس کا استعمال کرتے ہیں۔ کا حوالہ دیتے ہیں ایمیزون سیج میکر قیمتوں کا تعین قیمتوں کے بارے میں مزید معلومات کے لیے۔
- ہم NVIDIA A10G- فعال مثال استعمال کرتے ہیں۔
ml.g5.2xlarge
ماڈلز کی میزبانی کرنا۔
- ایمیزون سادہ اسٹوریج سروس (ایمیزون S3)
مزید تفصیلات کے لیے، چیک کریں۔ GitHub ذخیرہ اور CloudFormation ٹیمپلیٹ.
مصنوعات کی دلچسپی کے علاقے کو ماسک کریں۔
عام طور پر، ہمیں اس چیز کی ایک تصویر فراہم کرنے کی ضرورت ہے جسے ہم رکھنا چاہتے ہیں اور ایک ماسک جس میں آبجیکٹ کے سموچ کو بیان کیا جائے۔ یہ اس طرح کے اوزار کا استعمال کرتے ہوئے کیا جا سکتا ہے ایمیزون سیج میکر گراؤنڈ ٹروتھ. متبادل کے طور پر، ہم AI ٹولز جیسے سیگمنٹ اینیتھنگ ماڈلز (SAM) کا استعمال کرتے ہوئے آبجیکٹ کو خود بخود سیگمنٹ کر سکتے ہیں، یہ فرض کرتے ہوئے کہ آبجیکٹ تصویر کے بیچ میں ہے۔
ماسک بنانے کے لیے SAM استعمال کریں۔
SAM، ایک جدید جنریٹو AI تکنیک کے ساتھ، ہم آسانی سے تصاویر کے اندر موجود مختلف اشیاء کے لیے اعلیٰ معیار کے ماسک تیار کر سکتے ہیں۔ SAM وسیع ڈیٹا سیٹس پر تربیت یافتہ ڈیپ لرننگ ماڈلز کا استعمال کرتا ہے تاکہ دلچسپی کی اشیاء کو درست طریقے سے شناخت اور تقسیم کیا جا سکے، عین مطابق حدود اور پکسل سطح کے ماسک فراہم کیے جائیں۔ یہ پیش رفت ٹیکنالوجی دستی طور پر ماسک بنانے کے وقت طلب اور محنت طلب کام کو خودکار بنا کر امیج پروسیسنگ ورک فلو میں انقلاب لاتی ہے۔ SAM کے ساتھ، کاروبار اور افراد اب تیزی سے آبجیکٹ کی شناخت، تصویر میں ترمیم، کمپیوٹر وژن کے کاموں، اور بہت کچھ کے لیے ماسک تیار کر سکتے ہیں، جس سے بصری تجزیہ اور ہیرا پھیری کے امکانات کی دنیا کھل جاتی ہے۔
سیج میکر اینڈ پوائنٹ پر SAM ماڈل کی میزبانی کریں۔
ہم نوٹ بک استعمال کرتے ہیں۔ 1_HostGenAIModels.ipynb
SageMaker اینڈ پوائنٹس بنانے اور SAM ماڈل کی میزبانی کرنے کے لیے۔
ہم انفرنس کوڈ استعمال کرتے ہیں۔ inference_sam.py
اور اسے ایک میں پیک کریں۔ code.tar.gz file
، جسے ہم سیج میکر اینڈ پوائنٹ بنانے کے لیے استعمال کرتے ہیں۔ کوڈ SAM ماڈل کو ڈاؤن لوڈ کرتا ہے، اسے اختتامی نقطہ پر میزبانی کرتا ہے، اور تخمینہ چلانے اور آؤٹ پٹ پیدا کرنے کے لیے ایک انٹری پوائنٹ فراہم کرتا ہے:
SAM_ENDPOINT_NAME = 'sam-pytorch-' + str(datetime.utcnow().strftime('%Y-%m-%d-%H-%M-%S-%f'))
prefix_sam = "SAM/demo-custom-endpoint"
model_data_sam = s3.S3Uploader.upload("code.tar.gz", f's3://{bucket}/{prefix_sam}')
model_sam = PyTorchModel(entry_point='inference_sam.py', model_data=model_data_sam, framework_version='1.12', py_version='py38', role=role, env={'TS_MAX_RESPONSE_SIZE':'2000000000', 'SAGEMAKER_MODEL_SERVER_TIMEOUT' : '300'}, sagemaker_session=sess, name='model-'+SAM_ENDPOINT_NAME)
predictor_sam = model_sam.deploy(initial_instance_count=1, instance_type=INSTANCE_TYPE, deserializers=JSONDeserializer(), endpoint_name=SAM_ENDPOINT_NAME)
SAM ماڈل کی درخواست کریں اور ایک ماسک بنائیں
درج ذیل کوڈ کا حصہ ہے۔ 2_GenerateInPaintingImages.ipynb
نوٹ بک، جو اختتامی نقطوں کو چلانے اور نتائج پیدا کرنے کے لیے استعمال ہوتی ہے:
raw_image = Image.open("images/speaker.png").convert("RGB")
predictor_sam = PyTorchPredictor(endpoint_name=SAM_ENDPOINT_NAME, deserializer=JSONDeserializer())
output_array = predictor_sam.predict(raw_image, initial_args={'Accept': 'application/json'})
mask_image = Image.fromarray(np.array(output_array).astype(np.uint8))
# save the mask image using PIL Image
mask_image.save('images/speaker_mask.png')
مندرجہ ذیل اعداد و شمار پروڈکٹ کی تصویر سے حاصل کردہ نتیجے میں ماسک کو ظاہر کرتا ہے۔
تخلیق شدہ تصویر بنانے کے لیے پینٹنگ کا استعمال کریں۔
SAM کے ذریعہ تیار کردہ ماسک اور صارف کے پرامپٹ کے ساتھ پینٹنگ کی طاقت کو ملا کر، ہم قابل ذکر تصاویر بنا سکتے ہیں۔ پینٹنگ جدید تخلیقی AI تکنیکوں کا استعمال کرتی ہے تاکہ کسی تصویر کے غائب یا نقاب پوش علاقوں کو ذہانت کے ساتھ پُر کیا جا سکے، بغیر کسی رکاوٹ کے انہیں ارد گرد کے مواد کے ساتھ ملایا جا سکے۔ رہنمائی کے طور پر SAM سے تیار کردہ ماسک اور تخلیقی ان پٹ کے طور پر صارف کے پرامپٹ کے ساتھ، پینٹنگ الگورتھم بصری طور پر مربوط اور سیاق و سباق کے لحاظ سے مناسب مواد تیار کر سکتے ہیں، جس کے نتیجے میں شاندار اور ذاتی نوعیت کی تصاویر بنتی ہیں۔ ٹیکنالوجیز کا یہ امتزاج لامتناہی تخلیقی امکانات کو کھولتا ہے، جس سے صارفین اپنے تصورات کو وشد، دلکش بصری بیانیے میں تبدیل کر سکتے ہیں۔
سیج میکر اینڈ پوائنٹ پر ایک مستحکم ڈفیوژن انپینٹنگ ماڈل کی میزبانی کریں۔
اسی طرح 2.1 میں، ہم نوٹ بک استعمال کرتے ہیں۔ 1_HostGenAIModels.ipynb
سیج میکر اینڈ پوائنٹس بنانے اور اسٹیبل ڈفیوژن انپینٹنگ ماڈل کی میزبانی کرنے کے لیے۔
ہم انفرنس کوڈ استعمال کرتے ہیں۔ inference_inpainting.py
اور اسے ایک میں پیک کریں۔ code.tar.gz
فائل، جسے ہم سیج میکر اینڈ پوائنٹ بنانے کے لیے استعمال کرتے ہیں۔ کوڈ Stable Diffusion Inpainting ماڈل کو ڈاؤن لوڈ کرتا ہے، اسے اختتامی نقطہ پر میزبانی کرتا ہے، اور تخمینہ چلانے اور آؤٹ پٹ پیدا کرنے کے لیے ایک انٹری پوائنٹ فراہم کرتا ہے:
INPAINTING_ENDPOINT_NAME = 'inpainting-pytorch-' + str(datetime.utcnow().strftime('%Y-%m-%d-%H-%M-%S-%f'))
prefix_inpainting = "InPainting/demo-custom-endpoint"
model_data_inpainting = s3.S3Uploader.upload("code.tar.gz", f"s3://{bucket}/{prefix_inpainting}") model_inpainting = PyTorchModel(entry_point='inference_inpainting.py', model_data=model_data_inpainting, framework_version='1.12', py_version='py38', role=role, env={'TS_MAX_RESPONSE_SIZE':'2000000000', 'SAGEMAKER_MODEL_SERVER_TIMEOUT' : '300'}, sagemaker_session=sess, name='model-'+INPAINTING_ENDPOINT_NAME) predictor_inpainting = model_inpainting.deploy(initial_instance_count=1, instance_type=INSTANCE_TYPE, serializer=JSONSerializer(), deserializers=JSONDeserializer(), endpoint_name=INPAINTING_ENDPOINT_NAME, volume_size=128)
اسٹیبل ڈفیوژن انپینٹنگ ماڈل کی درخواست کریں اور ایک نئی تصویر بنائیں
اسی طرح SAM ماڈل، نوٹ بک کو مدعو کرنے کے قدم پر 2_GenerateInPaintingImages.ipynb
اختتامی نقطوں پر تخمینہ چلانے اور نتائج پیدا کرنے کے لیے استعمال کیا جاتا ہے:
raw_image = Image.open("images/speaker.png").convert("RGB")
mask_image = Image.open('images/speaker_mask.png').convert('RGB')
prompt_fr = "table and chair with books"
prompt_bg = "window and couch, table"
negative_prompt = "longbody, lowres, bad anatomy, bad hands, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, letters" inputs = {}
inputs["image"] = np.array(raw_image)
inputs["mask"] = np.array(mask_image)
inputs["prompt_fr"] = prompt_fr
inputs["prompt_bg"] = prompt_bg
inputs["negative_prompt"] = negative_prompt predictor_inpainting = PyTorchPredictor(endpoint_name=INPAINTING_ENDPOINT_NAME,
serializer=JSONSerializer(),
deserializer=JSONDeserializer()) output_array = predictor_inpainting.predict(inputs, initial_args={'Accept': 'application/json'})
gai_image = Image.fromarray(np.array(output_array[0]).astype(np.uint8))
gai_background = Image.fromarray(np.array(output_array[1]).astype(np.uint8))
gai_mask = Image.fromarray(np.array(output_array[2]).astype(np.uint8))
post_image = Image.fromarray(np.array(output_array[3]).astype(np.uint8)) # save the generated image using PIL Image
post_image.save('images/speaker_generated.png')
مندرجہ ذیل اعداد و شمار بہتر ماسک، تیار کردہ پس منظر، تیار کردہ پروڈکٹ امیج، اور پوسٹ پروسیسڈ امیج کو دکھاتا ہے۔
تیار کردہ پروڈکٹ کی تصویر درج ذیل اشارے استعمال کرتی ہے:
- پس منظر کی نسل - "کرسی، صوفہ، کھڑکی، گھر کے اندر"
- پینٹنگ - "کتابوں کے علاوہ"
صاف کرو
اس پوسٹ میں، ہم دو GPU سے چلنے والے SageMaker اینڈ پوائنٹس کا استعمال کرتے ہیں، جو لاگت کی اکثریت میں حصہ ڈالتے ہیں۔ اضافی لاگت سے بچنے کے لیے ان اختتامی پوائنٹس کو بند کر دینا چاہیے جب اختتامی پوائنٹس استعمال نہ ہو رہے ہوں۔ ہم نے ایک نوٹ بک فراہم کی ہے، 3_CleanUp.ipynb
، جو اختتامی مقامات کو صاف کرنے میں مدد کرسکتا ہے۔ ہم ماڈلز کی میزبانی اور تخمینہ چلانے کے لیے SageMaker نوٹ بک بھی استعمال کرتے ہیں۔ لہذا، اگر نوٹ بک استعمال نہیں ہو رہی ہے تو اسے روکنا اچھا عمل ہے۔
نتیجہ
جنریٹو AI ماڈلز عام طور پر بڑے پیمانے پر ML ماڈل ہوتے ہیں جنہیں موثر طریقے سے چلانے کے لیے مخصوص وسائل کی ضرورت ہوتی ہے۔ اس پوسٹ میں، ہم نے اشتہارات کے استعمال کے کیس کا استعمال کرتے ہوئے دکھایا، کہ کس طرح SageMaker اینڈ پوائنٹس تخلیقی AI ماڈلز جیسے کہ ٹیکسٹ ٹو امیج فاؤنڈیشن ماڈل سٹیبل ڈفیوژن کی میزبانی کے لیے ایک قابل توسیع اور منظم ماحول پیش کرتے ہیں۔ ہم نے یہ ظاہر کیا کہ کس طرح دو ماڈلز کی میزبانی کی جا سکتی ہے اور ضرورت کے مطابق چلائی جا سکتی ہے، اور ایک ہی اختتامی نقطہ سے متعدد ماڈلز کی میزبانی بھی کی جا سکتی ہے۔. یہ بنیادی ڈھانچے کی فراہمی، اسکیل ایبلٹی، اور نگرانی سے وابستہ پیچیدگیوں کو ختم کرتا ہے، جس سے تنظیموں کو اس قابل بناتا ہے کہ وہ اپنے کاروباری چیلنجوں کو حل کرنے کے لیے مکمل طور پر اپنے ماڈلز کی تعیناتی اور پیشین گوئیاں پیش کرنے پر توجہ دیں۔ سیج میکر اینڈ پوائنٹس کے ساتھ، تنظیمیں ایک متحد انفراسٹرکچر کے اندر متعدد ماڈلز کو مؤثر طریقے سے تعینات اور ان کا نظم کر سکتی ہیں، وسائل کے بہترین استعمال کو حاصل کر کے اور آپریشنل اوور ہیڈ کو کم کر سکتی ہیں۔
تفصیلی کوڈ پر دستیاب ہے۔ GitHub کے. کوڈ AWS CloudFormation اور کے استعمال کو ظاہر کرتا ہے۔ AWS کلاؤڈ ڈویلپمنٹ کٹ (AWS CDK) SageMaker نوٹ بک اور دیگر مطلوبہ وسائل بنانے کے عمل کو خودکار کرنے کے لیے۔
مصنفین کے بارے میں
Fabian Benitez-Quiroz AWS پروفیشنل سروسز میں IoT Edge ڈیٹا سائنٹسٹ ہے۔ انہوں نے اوہائیو اسٹیٹ یونیورسٹی سے کمپیوٹر وژن اور پیٹرن ریکگنیشن میں پی ایچ ڈی کی ڈگری حاصل کی۔ Fabian مختلف صنعتوں میں IoT ڈیوائسز اور کلاؤڈ میں کم تاخیر کے ساتھ اپنے مشین لرننگ ماڈلز کو چلانے میں صارفین کی مدد کرنے میں شامل ہے۔
رومیل شاہ AWS پروفیشنل سروسز میں ایک سینئر ڈیٹا سائنٹسٹ ہے۔ رومل کے پاس کمپیوٹر وژن، مشین لرننگ، اور IoT ایج ڈیوائسز میں صنعت کا 6 سال سے زیادہ کا تجربہ ہے۔ وہ صارفین کو اپنے مشین لرننگ ماڈلز کو ایج ڈیوائسز اور کلاؤڈ پر بہتر بنانے اور تعینات کرنے میں مدد کرنے میں شامل ہے۔ وہ فاؤنڈیشن ماڈلز کو بہتر بنانے اور ان کی تعیناتی کے لیے حکمت عملی بنانے کے لیے صارفین کے ساتھ کام کرتا ہے۔
ہان مین سین ڈیاگو، CA میں AWS پروفیشنل سروسز کے ساتھ ایک سینئر ڈیٹا سائنس اور مشین لرننگ مینیجر ہے۔ اس نے نارتھ ویسٹرن یونیورسٹی سے انجینئرنگ میں پی ایچ ڈی کی ہے اور مینوفیکچرنگ، مالیاتی خدمات اور توانائی میں گاہکوں کو مشورہ دینے والے مینجمنٹ کنسلٹنٹ کے طور پر کئی سالوں کا تجربہ ہے۔ آج، وہ AWS پر ML اور GenAI سلوشنز تیار کرنے اور لاگو کرنے کے لیے صنعت کے مختلف حصوں کے کلیدی صارفین کے ساتھ پرجوش طریقے سے کام کر رہا 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۔ آٹوموٹو / ای وی، کاربن، کلین ٹیک، توانائی ، ماحولیات، شمسی، ویسٹ مینجمنٹ یہاں تک رسائی حاصل کریں۔
- بلاک آفسیٹس۔ ماحولیاتی آفسیٹ ملکیت کو جدید بنانا۔ یہاں تک رسائی حاصل کریں۔
- ماخذ: https://aws.amazon.com/blogs/machine-learning/generate-creative-advertising-using-generative-ai-deployed-on-amazon-sagemaker/
- : ہے
- : ہے
- : نہیں
- :کہاں
- $UP
- 1
- 100
- 12
- 2022
- 7
- a
- ہمارے بارے میں
- قبول کریں
- تک رسائی حاصل
- پورا
- اکاؤنٹ
- درست طریقے سے
- حصول
- کے پار
- شامل کریں
- اعلی درجے کی
- اشتہار.
- مشورہ دینے
- AI
- اے آئی ماڈلز
- یلگوردمز
- اجازت دے رہا ہے
- ساتھ
- بھی
- ایمیزون
- ایمیزون سیج میکر
- ایمیزون ویب سروسز
- an
- تجزیہ
- اناٹومی
- اور
- کچھ
- مناسب
- کیا
- رقبہ
- AS
- مدد
- منسلک
- At
- خود کار طریقے سے
- خود کار طریقے سے
- خودکار
- دستیاب
- سے اجتناب
- AWS
- AWS کلاؤڈ فارمیشن
- AWS پروفیشنل سروسز
- پس منظر
- پس منظر
- برا
- متوازن
- بیس
- کی بنیاد پر
- BE
- کیونکہ
- کیا جا رہا ہے
- فائدہ
- بہتر
- کے درمیان
- ملاوٹ
- کتب
- حدود
- پیش رفت
- کاروبار
- کاروبار
- by
- CA
- کہا جاتا ہے
- کر سکتے ہیں
- سحر انگیز
- کیس
- کیٹلاگ
- سینٹر
- کچھ
- چیئر
- چیلنجوں
- چیک کریں
- طبقے
- صفائی
- کلائنٹس
- بادل
- کوڈ
- مربوط
- امتزاج
- پیچیدگیاں
- کمپیوٹر
- کمپیوٹر ویژن
- سمجھا
- متواتر
- مسلسل
- کنسلٹنٹ
- مواد
- معاون
- کنٹرول
- قیمت
- تخلیق
- تخلیق
- تخلیقی
- گاہکوں
- اعداد و شمار
- ڈیٹا سائنس
- ڈیٹا سائنسدان
- ڈیٹاسیٹس
- تاریخ کے وقت
- معاملہ
- گہری
- گہری سیکھنے
- ڈیلے
- مظاہرہ
- demonstrated,en
- ثبوت
- تعیناتی
- تعینات
- تعینات
- تعیناتی
- تفصیلی
- تفصیلات
- ترقی
- ترقی یافتہ
- ترقی
- کے الات
- ڈیاگو
- مختلف
- مشکل
- براڈ کاسٹننگ
- ہندسے
- کیا
- ڈاؤن لوڈز
- ڈرائیونگ
- ہر ایک
- ایج
- ہنر
- مؤثر طریقے سے
- محنت سے
- عناصر
- ختم
- کو چالو کرنے کے
- کو فعال کرنا
- لامتناہی
- اختتام پوائنٹ
- توانائی
- مشغول
- انجنیئرنگ
- اندراج
- ماحولیات
- خاص طور پر
- مثال کے طور پر
- توقعات
- تجربہ
- تلاش
- دھماکے
- وسیع
- اضافی
- چند
- کم
- اعداد و شمار
- فائل
- بھرنے
- فائنل
- مالی
- مالیاتی خدمات
- سچل
- بہاؤ
- توجہ مرکوز
- کے بعد
- کے لئے
- فاؤنڈیشن
- آزادی
- سے
- فیوژن
- جنرل
- عام طور پر
- پیدا
- پیدا
- پیدا کرنے والے
- نسل
- پیداواری
- پیداواری AI۔
- اچھا
- گھاس
- گراؤنڈ
- رہنمائی
- ہاتھوں
- ہے
- he
- بھاری
- مدد
- اعلی معیار کی
- کی ڈگری حاصل کی
- میزبان
- میزبانی کی
- ہوسٹنگ
- میزبان
- کس طرح
- تاہم
- HTML
- HTTPS
- انسانی
- شناخت
- شناختی
- if
- تصویر
- تصاویر
- پر عملدرآمد
- نفاذ
- بہتری
- in
- افراد
- صنعتوں
- صنعت
- معلومات
- انفراسٹرکچر
- جدید
- ان پٹ
- آدانوں
- مثال کے طور پر
- دلچسپی
- میں
- ملوث
- IOT
- آئی ٹی آلات
- مسائل
- IT
- کلیدی
- بڑے
- بڑے پیمانے پر
- تاخیر
- پرت
- تہوں
- معروف
- سیکھنے
- جھوٹ ہے
- کی طرح
- لمیٹڈ
- لو
- کم
- مشین
- مشین لرننگ
- اکثریت
- بناتا ہے
- آدمی
- انتظام
- میں کامیاب
- انتظام
- مینیجر
- ہیرا پھیری
- دستی طور پر
- مینوفیکچرنگ
- ماسک
- ماسک
- کا مطلب ہے کہ
- درمیانی سفر
- کم سے کم
- لاپتہ
- ML
- ماڈل
- ماڈل
- نگرانی
- زیادہ
- ایک سے زیادہ
- بھیڑ
- داستانیں
- ضرورت ہے
- ضرورت
- منفی
- نئی
- نوٹ بک
- ناول
- اب
- تعداد
- NVIDIA
- اعتراض
- اشیاء
- حاصل کی
- of
- بند
- پیش کرتے ہیں
- تجویز
- اکثر
- اوہائیو
- on
- ایک
- اوپنائی
- کھولتا ہے
- آپریشنل
- زیادہ سے زیادہ
- کی اصلاح کریں
- اصلاح
- or
- حکم
- تنظیمیں
- دیگر
- باہر
- پیداوار
- پر
- پر قابو پانے
- پیکج
- حصہ
- خاص طور پر
- منظور
- پاٹرن
- سمجھا
- نجیکرت
- پی ایچ ڈی
- مقام
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- پوائنٹ
- پوزیشننگ
- امکانات
- پوسٹ
- ممکنہ
- ممکنہ طور پر
- طاقت
- طاقتور
- عملی
- پریکٹس
- عین مطابق
- پیشن گوئی
- تحفہ
- قیمتوں کا تعین
- عمل
- پروسیسنگ
- تیار
- مصنوعات
- پیداوار
- پیشہ ورانہ
- وعدہ
- تجویز کریں
- مجوزہ
- فراہم
- فراہم
- فراہم کرتا ہے
- فراہم کرنے
- معیار
- میں تیزی سے
- حقیقت
- تسلیم
- کو کم کرنے
- بہتر
- ادائیگی
- خطوں
- رشتہ دار
- قابل ذکر
- کی ضرورت
- ضرورت
- کی ضرورت ہے
- وسائل
- وسائل
- نتیجے
- نتائج کی نمائش
- انقلاب آگیا
- انقلاب کرتا ہے
- RGB
- کردار
- رن
- sagemaker
- سیم
- اسی
- سان
- سان ڈیاگو
- محفوظ کریں
- اسکیل ایبلٹی
- توسیع پذیر
- پیمانے
- سکیلنگ
- منظر
- سائنس
- سائنسدان
- بغیر کسی رکاوٹ کے
- حصے
- سینئر
- سروسز
- خدمت
- مقرر
- کئی
- ہونا چاہئے
- دکھایا گیا
- شوز
- اسی طرح
- سادہ
- ایک
- مکمل طور پر
- حل
- حل
- حل
- مخصوص
- خاص طور پر
- تقسیم
- مستحکم
- شروع
- حالت
- مرحلہ
- مراحل
- بند کرو
- ذخیرہ
- حکمت عملیوں
- کارگر
- ہڑتال
- شاندار
- اس طرح
- نگرانی
- ارد گرد
- ٹیبل
- ٹاسک
- کاموں
- تکنیک
- ٹیکنالوجی
- ٹیکنالوجی
- سانچے
- سے
- کہ
- ۔
- علاقہ
- ان
- ان
- لہذا
- یہ
- اس
- کے ذریعے
- وقت لگتا
- کرنے کے لئے
- آج
- اوزار
- تربیت یافتہ
- تبدیل
- تبدیلی
- درخت
- تبدیل کر دیا
- دو
- متحد
- یونیورسٹی
- غیر مقفل
- ناپسندیدہ
- استعمال کی شرائط
- استعمال کیس
- استعمال کیا جاتا ہے
- صارفین
- استعمال
- کا استعمال کرتے ہوئے
- استعمال کرتا ہے
- استعمال کرنا۔
- مختلف اقسام کے
- مختلف
- عمودی
- نقطہ نظر
- خواب
- چاہتے ہیں
- we
- ویب
- ویب خدمات
- جب
- جس
- وسیع
- گے
- ونڈو
- ساتھ
- کے اندر
- لکڑی
- کام کے بہاؤ
- کام کر
- کام کرتا ہے
- دنیا
- بدترین
- سال
- تم
- زیفیرنیٹ