ڈیجیٹل پبلشرز اپنے میڈیا ورک فلو کو ہموار اور خودکار بنانے کے طریقے تلاش کر رہے ہیں تاکہ وہ جتنی تیزی سے نئے مواد تیار کر سکیں، لیکن پیشگی معیار کے بغیر۔
متن کے جوہر کو حاصل کرنے کے لیے تصاویر کا اضافہ پڑھنے کے تجربے کو بہتر بنا سکتا ہے۔ مشین سیکھنے کی تکنیک آپ کو ایسی تصاویر دریافت کرنے میں مدد کر سکتی ہے۔ "ایک حیرت انگیز تصویر سامعین کی توجہ حاصل کرنے اور آپ کی کہانی کے ساتھ مشغولیت پیدا کرنے کے سب سے مؤثر طریقوں میں سے ایک ہے — لیکن اس کا مطلب ہونا بھی ضروری ہے۔".
۔ پچھلے پیغام اس بات پر تبادلہ خیال کیا کہ آپ ایمیزون مشین لرننگ (ML) سروسز کو کس طرح استعمال کر سکتے ہیں تاکہ آپ کو مطلوبہ الفاظ میں ٹائپ کیے بغیر کسی مضمون یا ٹی وی کے خلاصے کے ساتھ رکھی جانے والی بہترین تصاویر تلاش کرنے میں مدد ملے۔ پچھلی پوسٹ میں آپ نے استعمال کیا۔ ایمیزون پہچان۔ تصویر سے میٹا ڈیٹا نکالنے کے لیے۔ اس کے بعد آپ نے میٹا ڈیٹا کی ورڈ ایمبیڈنگ بنانے کے لیے ٹیکسٹ ایمبیڈنگ ماڈل کا استعمال کیا جسے بعد میں بہترین تصاویر تلاش کرنے میں مدد کے لیے استعمال کیا جا سکتا ہے۔
اس پوسٹ میں، آپ دیکھتے ہیں کہ آپ ایمیزون ٹائٹن فاؤنڈیشن ماڈلز کو کس طرح استعمال کر سکتے ہیں تاکہ کسی مضمون کو تیزی سے سمجھ سکیں اور اس کے ساتھ بہترین تصاویر تلاش کریں۔ اس بار، آپ ایمبیڈنگ براہ راست تصویر سے تیار کرتے ہیں۔
سیمنٹک سرچ میں ایک کلیدی تصور سرایت کرنا ہے۔ ایمبیڈنگ کچھ ان پٹ کی عددی نمائندگی ہے—ایک تصویر، متن، یا دونوں—ایک ویکٹر کی شکل میں۔ جب آپ کے پاس بہت سے ویکٹر ہوتے ہیں، تو آپ ان کے درمیان فاصلے کی پیمائش کر سکتے ہیں، اور وہ ویکٹر جو فاصلے میں قریب ہوتے ہیں وہ معنوی طور پر ایک جیسے یا متعلقہ ہوتے ہیں۔
ایمیزون بیڈرک ایک مکمل طور پر منظم سروس ہے جو AI21 Labs، Anthropic، Cohere، Meta، Stability AI، اور Amazon سمیت سرکردہ AI کمپنیوں سے اعلیٰ کارکردگی کا مظاہرہ کرنے والے فاؤنڈیشن ماڈلز (FMs) کا انتخاب پیش کرتی ہے جس میں ایک API کے ساتھ صلاحیتوں کے وسیع سیٹ کے ساتھ پرائیویسی اور سیکیورٹی کو برقرار رکھتے ہوئے ترقی کو آسان بناتے ہوئے تخلیقی AI ایپلی کیشنز بنانے میں آپ کی مدد کریں۔
ایمیزون ٹائٹن نے حال ہی میں اپنے مجموعہ میں ایک نیا ایمبیڈنگ ماڈل شامل کیا ہے، ٹائٹن ملٹی موڈل ایمبیڈنگز۔ اس نئے ماڈل کو ملٹی موڈل تلاش، سفارشی نظام، اور دیگر ڈاؤن اسٹریم ایپلی کیشنز کے لیے استعمال کیا جا سکتا ہے۔
ملٹی موڈل ماڈل متن، تصویر، ویڈیو اور آڈیو جیسے متعدد طریقوں میں ڈیٹا کو سمجھ اور تجزیہ کر سکتے ہیں۔ یہ تازہ ترین Amazon Titan ماڈل متن، تصاویر، یا دونوں کو قبول کر سکتا ہے۔ اس کا مطلب ہے کہ آپ تصاویر اور متن کی سرایت پیدا کرنے کے لیے ایک ہی ماڈل کا استعمال کرتے ہیں اور ان ایمبیڈنگز کا استعمال یہ حساب کرنے کے لیے کرتے ہیں کہ دونوں کتنے مماثل ہیں۔
حل کا جائزہ
مندرجہ ذیل اسکرین شاٹ میں، آپ دیکھ سکتے ہیں کہ آپ کس طرح ایک چھوٹا مضمون لے سکتے ہیں، تلاش کر سکتے ہیں، اور ایسی تصاویر تلاش کر سکتے ہیں جو مضمون کے ساتھ گونجتی ہوں۔ اس مثال میں، آپ ایک جملہ لیتے ہیں جس میں بیان کیا گیا ہے کہ Werner Vogels سفید اسکارف پہنے ہوئے ہیں جب کہ ہندوستان کے ارد گرد سفر کرتے ہیں۔ جملے کا ویکٹر لفظی طور پر اسکارف پہنے ہوئے ورنر کی تصاویر کے ویکٹر سے متعلق ہے، اور اس وجہ سے اس تلاش میں سرفہرست تصاویر کے طور پر واپس آیا۔
ایک اعلی سطح پر، ایک تصویر اپ لوڈ کی جاتی ہے۔ ایمیزون سادہ اسٹوریج سروس (ایمیزون S3) اور میٹا ڈیٹا نکالا جاتا ہے جس میں امیج کی ایمبیڈنگ بھی شامل ہے۔
تصویر سے متنی میٹا ڈیٹا نکالنے کے لیے، آپ استعمال کرتے ہیں۔ مشہور شخصیت کی شناخت کی خصوصیت اور لیبل کا پتہ لگانے کی خصوصیت in ایمیزون پہچان۔. Amazon Recognition ML کا استعمال کرتے ہوئے تصاویر اور ویڈیوز میں دسیوں ہزاروں معروف شخصیات کو خود بخود پہچان لیتا ہے۔ آپ اس خصوصیت کو تصاویر میں کسی بھی مشہور شخصیت کو پہچاننے اور اس میٹا ڈیٹا کو ذخیرہ کرنے کے لیے استعمال کرتے ہیں۔ ایمیزون اوپن سرچ سروس. لیبل کا پتہ لگانے سے تصویر سے اشیاء اور تصورات ملتے ہیں، جیسا کہ سابقہ اسکرین شاٹ جہاں آپ کے پاس تصویر کے نیچے لیبل میٹا ڈیٹا ہوتا ہے۔
آپ ٹائٹن ملٹی موڈل ایمبیڈنگز ماڈل کا استعمال کرتے ہوئے امیج کی ایمبیڈنگ تیار کرتے ہیں جو کہ تلاش کے قابل میٹا ڈیٹا بھی ہے۔
اس کے بعد تمام میٹا ڈیٹا کو محفوظ کیا جاتا ہے۔ اوپن سرچ سروس بعد میں تلاش کے سوالات کے لیے جب آپ کو کوئی تصویر یا تصاویر تلاش کرنے کی ضرورت ہو۔
فن تعمیر کا دوسرا حصہ ان نئی داخل شدہ تصاویر کو تلاش کرنے کے لیے ایک مضمون جمع کرنا ہے۔
جب مضمون جمع کرایا جاتا ہے، تو آپ کو OpenSearch سروس کے لیے مضمون کو ایک سرچ ان پٹ میں نکالنے اور تبدیل کرنے کی ضرورت ہوتی ہے۔ تم استعمال کرتے ہو ایمیزون کی تعریف متن میں کسی ایسے نام کا پتہ لگانے کے لیے جو ممکنہ مشہور شخصیات ہو سکتے ہیں۔ آپ مضمون کا خلاصہ کرتے ہیں کیونکہ ممکنہ طور پر آپ مضمون کے نچوڑ کو حاصل کرنے کے لیے صرف ایک یا دو تصاویر ہی چن رہے ہوں گے۔ متن کا خلاصہ تیار کرنا اس بات کو یقینی بنانے کا ایک اچھا طریقہ ہے کہ سرایت کہانی کے متعلقہ نکات کو حاصل کر رہی ہے۔ اس کے لیے آپ استعمال کریں۔ ایمیزون ٹائٹن ٹیکسٹ G1 - ایکسپریس ایک پرامپٹ کے ساتھ ماڈل جیسا کہ "براہ کرم درج ذیل متن کا خلاصہ فراہم کریں۔ کوئی ایسی معلومات شامل نہ کریں جس کا ذکر نیچے دیے گئے متن میں نہ ہو۔ خلاصہ مضمون کے ساتھ، آپ Amazon Titan Multimodal Embeddings ماڈل کا استعمال کرتے ہیں تاکہ خلاصہ شدہ مضمون کی ایمبیڈنگ تیار کی جا سکے۔ ایمبیڈنگ ماڈل میں زیادہ سے زیادہ ٹوکن ان پٹ کی گنتی بھی ہوتی ہے، اس لیے مضمون کا خلاصہ کرنا اس بات کو یقینی بنانے کے لیے اور بھی اہم ہے کہ آپ ایمبیڈنگ میں زیادہ سے زیادہ معلومات حاصل کر سکتے ہیں۔ سادہ الفاظ میں، ٹوکن ایک واحد لفظ، ذیلی لفظ، یا حرف ہے۔
اس کے بعد آپ OpenSearch Service کے خلاف ناموں کے ساتھ تلاش کرتے ہیں اور مضمون سے ایمبیڈنگ کی گئی تصاویر کو بازیافت کرنے کے لیے جو کہ دی گئی مشہور شخصیت کی موجودگی سے مماثلت رکھتی ہیں، اگر موجود ہوں۔
بطور صارف، آپ صرف ان پٹ کے بطور مضمون کا استعمال کرتے ہوئے تصاویر تلاش کر رہے ہیں۔
واک تھرو
مندرجہ ذیل خاکہ آپ کو اس استعمال کے کیس کو ڈیلیور کرنے کا فن تعمیر دکھاتا ہے۔
مندرجہ ذیل اقدامات اعمال کی ترتیب کے ذریعے بات کرتے ہیں (ڈائیگرام میں دکھایا گیا ہے) جو سیمنٹک امیج اور مشہور شخصیت کی تلاش کو قابل بناتے ہیں۔
- آپ ایک پر ایک تصویر اپ لوڈ کرتے ہیں۔ ایمیزون S3 بالٹی.
- ایمیزون ایونٹ برج اس ایونٹ کو سنتا ہے، اور پھر AWS Step Functions مرحلہ شروع کرتا ہے۔
- سٹیپ فنکشنز قدم لیتا ہے۔ ایمیزون S3 تصویر کی تفصیلات اور تین متوازی اعمال چلاتے ہیں:
- پر ایک API کال ایمیزون پہچان۔ ڈیٹیکٹ لیبلز آبجیکٹ میٹا ڈیٹا نکالنے کے لیے
- پر ایک API کال ایمیزون پہچان۔ مشہور شخصیات کو پہچانیں۔ کسی بھی معروف مشہور شخصیات کو نکالنے کے لیے APIs
- A او ڈبلیو ایس لامبڈا۔ فنکشن ایم ایل ایمبیڈنگ ماڈل کے لیے امیج کو زیادہ سے زیادہ قبول شدہ ڈائمینشنز میں تبدیل کرتا ہے اور امیج ان پٹ سے ڈائریکٹ ایمبیڈنگ تیار کرتا ہے۔
- ۔ لامڈا فنکشن پھر امیج آبجیکٹ میٹا ڈیٹا اور اگر موجود ہو تو مشہور شخصیات کے نام داخل کرتا ہے، اور اوپن سرچ سروس انڈیکس میں k-NN ویکٹر کے طور پر سرایت کرتا ہے۔
- ایمیزون S3 ایک سادہ جامد ویب سائٹ کی میزبانی کرتا ہے، جسے ایک کے ذریعے تقسیم کیا جاتا ہے۔ ایمیزون CloudFront. فرنٹ اینڈ یوزر انٹرفیس (UI) آپ کو ایپلیکیشن کا استعمال کرتے ہوئے تصدیق کرنے کی اجازت دیتا ہے۔ ایمیزون کاگنیٹو تصاویر تلاش کرنے کے لیے۔
- آپ UI کا استعمال کرتے ہوئے ایک مضمون یا کچھ متن جمع کراتے ہیں۔
- ایک اور لامڈا فنکشن کالز ایمیزون کی تعریف ممکنہ مشہور شخصیات کے طور پر متن میں کسی بھی نام کا پتہ لگانے کے لیے۔
- فنکشن پھر Titan Text G1 – Express کا استعمال کرتے ہوئے مضمون سے متعلقہ پوائنٹس حاصل کرنے کے لیے متن کا خلاصہ کرتا ہے۔
- یہ فنکشن ایمیزون ٹائٹن ملٹی موڈل ایمبیڈنگز ماڈل کا استعمال کرتے ہوئے خلاصہ شدہ مضمون کی ایمبیڈنگ تیار کرتا ہے۔
- فنکشن پھر تلاش کرتا ہے۔ اوپن سرچ سروس مشہور شخصیت کے نام سے مماثل تصاویر کے لیے امیج انڈیکس k-قریب ترین پڑوسی ویکٹر کے استعمال کے لیے کوزائن مماثلت کا استعمال کرتے ہوئے اسکورنگ اسکرپٹ کے ساتھ عین مطابق k-NN.
- ایمیزون کلاؤڈ واچ اور AWS ایکس رے آپ کو کسی بھی مسئلے سے آگاہ کرنے کے لیے آخر سے آخر تک ورک فلو میں آپ کو مشاہدہ فراہم کرتا ہے۔
مندرجہ ذیل اعداد و شمار آپ کو سٹیپ فنکشنز ورک فلو کا بصری ورک فلو ڈیزائنر دکھاتا ہے۔
یہاں سرایت کی ایک مثال ہے:
اعداد کی پچھلی صف وہ ہے جو متن یا تصویری آبجیکٹ سے اس شکل میں معنی حاصل کرتی ہے جس کے خلاف آپ حساب اور افعال انجام دے سکتے ہیں۔
ایمبیڈنگز میں چند سو سے لے کر ہزاروں جہتوں تک اعلیٰ جہت ہوتی ہے۔ اس ماڈل کی جہت 1,024 ہے، یعنی اس سے پہلے والی صف میں 1,024 عناصر ہوں گے جو دیئے گئے آبجیکٹ کے سیمنٹکس کو پکڑتے ہیں۔
ملٹی موڈل ایمبیڈنگ بمقابلہ ٹیکسٹ ایمبیڈنگ
ہم سیمنٹک امیج سرچ ڈیلیور کرنے میں دو آپشنز پر تبادلہ خیال کرتے ہیں جہاں بنیادی فرق یہ ہے کہ آپ امیجز کی ایمبیڈنگز کیسے تیار کرتے ہیں۔ ہمارے میں پچھلے پیغام، آپ متنی میٹا ڈیٹا سے ایمبیڈنگ تیار کرتے ہیں، جسے Amazon Recognition کا استعمال کرتے ہوئے نکالا جاتا ہے۔ اس پوسٹ میں، آپ Titan Multimodal Embeddings ماڈل استعمال کرتے ہیں، اور براہ راست تصویر کی سرایت کر سکتے ہیں۔
ایک تیز جانچ کرنا اور UI میں دو طریقوں کے خلاف ایک سوال چلانا، آپ دیکھ سکتے ہیں کہ نتائج نمایاں طور پر مختلف ہیں۔ مثال کے طور پر استفسار کا مضمون یہ ہے کہ "ورنر ووگلز ہندوستان کے گرد گھومتے ہوئے سفید اسکارف پہننا پسند کرتے ہیں۔"
ملٹی موڈل ماڈل کا نتیجہ تصویروں کو اسکارف کے ساتھ اونچا بناتا ہے۔ لفظ سکارف ہمارے جمع کرائے گئے مضمون میں موجود ہے، اور سرایت نے اسے تسلیم کیا ہے۔
UI میں، آپ Amazon Recognition کے ذریعے نکالا گیا میٹا ڈیٹا دیکھ سکتے ہیں، اور میٹا ڈیٹا میں لفظ سکارف شامل نہیں ہے اور اس وجہ سے تصویر سے کچھ معلومات چھوٹ گئی ہیں، جس سے آپ اندازہ لگا سکتے ہیں کہ امیج ایمبیڈنگ ماڈل میں نہیں ہے، اور اس لیے ملٹی موڈل ماڈل استعمال کے معاملے کے لحاظ سے فائدہ ہوسکتا ہے۔ Amazon Recognition کا استعمال کرتے ہوئے، آپ ایمبیڈنگ بنانے سے پہلے تصویر میں پائی جانے والی اشیاء کو فلٹر کر سکتے ہیں، اور اس وجہ سے آپ کے مطلوبہ نتائج کے لحاظ سے بہتر طور پر کام کرنے والے دیگر قابل اطلاق معاملات ہیں۔
مندرجہ ذیل اعداد و شمار Amazon Titan Multimodal Embeddings ماڈل کے نتائج دکھاتا ہے۔
مندرجہ ذیل اعداد و شمار ایمیزون ٹائٹن ٹیکسٹ ایمبیڈنگ ماڈل کے نتائج دکھاتا ہے جس میں ایمبیڈنگ تیار کرنے کے لیے ایمیزون ریکوگنیشن ایکسٹریکٹڈ میٹا ڈیٹا کا استعمال کیا گیا ہے۔
شرائط
اس واک تھرو کے لیے، آپ کو درج ذیل شرائط کا ہونا ضروری ہے:
- An AWS اکاؤنٹ
- AWS سرور لیس ایپلیکیشن ماڈل کمانڈ لائن انٹرفیس (AWS SAM CLI)
- حل تعیناتی کے لیے AWS SAM CLI استعمال کرتا ہے۔
- یقینی بنائیں کہ آپ AWS SAM CLI کا تازہ ترین ورژن استعمال کر رہے ہیں۔.
- میں Docker
- حل مقامی انحصار کی ضرورت سے بچنے کے لیے کنٹینر کے اندر تعمیر کرنے کے لیے AWS SAM CLI آپشن کا استعمال کرتا ہے۔ اس کے لیے آپ کو Docker کی ضرورت ہے۔
- نوڈ
- اس حل کے لیے فرنٹ اینڈ ایک React ویب ایپلیکیشن ہے جسے نوڈ کا استعمال کرتے ہوئے مقامی طور پر چلایا جا سکتا ہے۔
- npm
- ویب ایپلیکیشن کو مقامی طور پر چلانے کے لیے درکار پیکیجز کی تنصیب، یا اسے ریموٹ تعیناتی کے لیے بنانے کے لیے، npm کی ضرورت ہوتی ہے۔
مکمل اسٹیک ایپلیکیشن کی تعمیر اور تعیناتی کریں۔
- ذخیرہ کلون کریں۔
- ڈائرکٹری کو نئے کلون شدہ پروجیکٹ میں تبدیل کریں۔
- ایپلیکیشن چلانے کے لیے درکار تمام پیکجز ڈاؤن لوڈ کرنے کے لیے npm install چلائیں۔
- ایک تعیناتی اسکرپٹ چلائیں جو اسکرپٹ کی ایک سیریز کو ترتیب سے چلاتا ہے جو کہ کرے گا۔ سیم تعمیر, سیم کی تعیناتی، کنفیگریشن فائلوں کو اپ ڈیٹ کریں، اور پھر Amazon S3 میں ویب ایپلیکیشن فائلوں کی میزبانی کریں Amazon CloudFront کے ذریعے خدمت کے لیے تیار
- اسکرپٹ کے حتمی نتائج میں سے ایک Amazon CloudFront URL ہے، جس سے آپ ایپلیکیشن تک رسائی حاصل کریں گے۔ سائن ان کرنے کے لیے آپ کو AWS مینجمنٹ کنسول میں ایک نیا صارف بنانا ہوگا۔ بعد میں استعمال کرنے کے لیے URL کا ایک نوٹ بنائیں۔
درج ذیل اسکرین شاٹ سے پتہ چلتا ہے کہ کس طرح اسکرپٹ نے آپ کے اسٹیک کو تعینات کرنے کے لیے AWS SAM کا استعمال کیا ہے اور اس میں ایک Amazon CloudFront URL ہے جسے آپ ایپلیکیشن تک رسائی کے لیے استعمال کر سکتے ہیں۔
ایپلیکیشن میں سائن ان کرنے کے لیے ایک نیا صارف بنائیں
- دیکھیں ایمیزون کاگنیٹو کنسول کریں اور اپنا نیا منتخب کریں۔ یوزر پول.
- نئے پاس ورڈ کے ساتھ ایک نیا صارف بنائیں۔
ویب ایپلیکیشن میں سائن ان کریں اور ٹیسٹ کریں۔
- تلاش کریں ایمیزون CloudFront سائن ان صفحہ پر جانے کے لیے URL۔ یہ آخری لائن میں آؤٹ پٹ ہے جیسا کہ پچھلے اسکرین شاٹ میں دکھایا گیا ہے۔
- سائن ان کرنے کے لیے اپنا نیا صارف نام اور پاس ورڈ کا مجموعہ درج کریں۔
- UI کا استعمال کرتے ہوئے کچھ نمونے کی تصاویر اپ لوڈ کریں۔
- میں سے انتخاب کریں فائل منتخب کریں اور پھر منتخب کریں اپ لوڈ کریں.
نوٹ: آپ فائلوں کو شامل کرکے بلک میں براہ راست S3 بالٹی پر بھی اپ لوڈ کرسکتے ہیں۔ /اپ لوڈز فولڈر. - ایک مضمون لکھیں یا کاپی اور پیسٹ کریں اور منتخب کریں۔ جمع کرائیں یہ دیکھنے کے لیے کہ آیا امیجز کو متوقع آرڈر کے مطابق واپس کیا گیا ہے۔
- میں سے انتخاب کریں فائل منتخب کریں اور پھر منتخب کریں اپ لوڈ کریں.
صفائی ستھرائی
مستقبل کے چارجز سے بچنے کے لیے، وسائل کو حذف کریں۔
- اس حل کے ساتھ تعینات S3 بالٹی تلاش کریں اور بالٹی کو خالی کریں۔
- CloudFormation کنسول پر جائیں، اس اسٹیک کو منتخب کریں جو آپ نے پہلے ذکر کردہ ڈیپلائی اسکرپٹ کے ذریعے لگایا تھا، اور اسٹیک کو حذف کریں۔
نتیجہ
اس پوسٹ میں، آپ نے دیکھا کہ آپ کی تصاویر سے میٹا ڈیٹا نکالنے کے لیے Amazon Recognition، Amazon Comprehend، Amazon Bedrock، اور OpenSearch سروس کا استعمال کیسے کیا جاتا ہے اور پھر مشہور شخصیت اور معنوی تلاش کا استعمال کرتے ہوئے قریب سے متعلقہ مواد کو خود بخود دریافت کرنے کے لیے ML تکنیک کا استعمال کرنا ہے۔ یہ اشاعتی صنعت میں خاص طور پر اہم ہے، جہاں تازہ مواد کو تیزی سے اور متعدد پلیٹ فارمز تک پہنچانے میں رفتار اہمیت رکھتی ہے۔
اگلے مرحلے کے طور پر، حل کو اپنے AWS اکاؤنٹ میں متعین کریں اور یہ جانچنے کے لیے اپنی کچھ تصاویر اپ لوڈ کریں کہ سیمنٹک تلاش آپ کے لیے کیسے کام کر سکتی ہے۔ مجھے نیچے دیئے گئے تبصروں میں اپنے کچھ تاثرات سے آگاہ کریں۔
مصنفین کے بارے میں
مارک واٹکنز میڈیا اور انٹرٹینمنٹ ٹیم کے اندر ایک حل آرکیٹیکٹ ہے، اپنے صارفین کو ڈیٹا اور ایم ایل کے بہت سے مسائل حل کرنے میں مدد فراہم کرتا ہے۔ پیشہ ورانہ زندگی سے دور، وہ اپنے خاندان کے ساتھ وقت گزارنا اور اپنے دو چھوٹے بچوں کو بڑا ہوتے دیکھنا پسند کرتا ہے۔
ڈین جانز ایک سولیوشن آرکیٹیکٹ انجینئر ہے، جو اپنے صارفین کو AWS پر تعمیر کرنے اور کاروباری ضروریات کو پورا کرنے میں مدد فراہم کرتا ہے۔ پیشہ ورانہ زندگی سے دور، وہ پڑھنا، اپنے خاندان کے ساتھ وقت گزارنا اور گھر کے اندر خودکار کاموں کو پسند کرتا 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/easily-build-semantic-image-search-using-amazon-titan/
- : ہے
- : ہے
- : نہیں
- :کہاں
- $UP
- 1
- 100
- 24
- 7
- a
- قبول کریں
- مقبول
- تک رسائی حاصل
- ساتھ
- اکاؤنٹ
- اعمال
- شامل کریں
- شامل کیا
- انہوں نے مزید کہا
- فائدہ
- کے خلاف
- AI
- انتباہ
- تمام
- کی اجازت دیتا ہے
- ساتھ
- بھی
- ایمیزون
- ایمیزون کی تعریف
- ایمیزون مشین لرننگ
- ایمیزون پہچان۔
- ایمیزون ویب سروسز
- an
- تجزیے
- اور
- بشری
- کوئی بھی
- اے پی آئی
- APIs
- قابل اطلاق
- درخواست
- ایپلی کیشنز
- نقطہ نظر
- فن تعمیر
- کیا
- ارد گرد
- لڑی
- مضمون
- AS
- فرض کرو
- توجہ
- آڈیو
- تصدیق
- خود کار طریقے سے
- خود کار طریقے سے
- خودکار
- سے اجتناب
- دور
- AWS
- AWS مینجمنٹ کنسول
- AWS اسٹیپ فنکشنز
- BE
- اس سے پہلے
- نیچے
- BEST
- بہتر
- کے درمیان
- دونوں
- وسیع
- تعمیر
- کاروبار
- لیکن
- by
- حساب
- حساب
- فون
- کالز
- کر سکتے ہیں
- حاصل کر سکتے ہیں
- صلاحیتوں
- قبضہ
- پر قبضہ کر لیا
- قبضہ
- گرفتاری
- کیس
- مقدمات
- مشہور
- مشہور شخصیت
- کردار
- بوجھ
- انتخاب
- میں سے انتخاب کریں
- کلوز
- قریب سے
- CO
- مجموعہ
- مجموعہ
- تبصروں
- کمپنیاں
- سمجھو
- تصور
- تصورات
- ترتیب
- کنسول
- کنٹینر
- مواد
- مسلسل
- سکتا ہے
- تخلیق
- تخلیق
- گاہکوں
- اعداد و شمار
- نجات
- ترسیل
- انحصار
- منحصر ہے
- تعیناتی
- تعینات
- تعیناتی
- ڈیزائنر
- مطلوبہ
- تفصیلات
- کا پتہ لگانے کے
- پتہ چلا
- کھوج
- ترقی
- فرق
- مختلف
- طول و عرض
- براہ راست
- براہ راست
- دریافت
- بات چیت
- بات چیت
- فاصلے
- تقسیم کئے
- do
- میں Docker
- نہیں کرتا
- ڈاؤن لوڈ، اتارنا
- آسانی سے
- موثر
- عناصر
- سرایت کرنا
- کو چالو کرنے کے
- آخر
- آخر سے آخر تک
- مصروفیت
- انجینئر
- تفریح
- جوہر
- بھی
- واقعہ
- مثال کے طور پر
- توقع
- تجربہ
- ایکسپریس
- نکالنے
- خاندان
- نمایاں کریں
- آراء
- چند
- اعداد و شمار
- فائلوں
- فلٹر
- فائنل
- مل
- پتہ ہے
- کے بعد
- کے لئے
- فارم
- فاؤنڈیشن
- تازہ
- سے
- سامنے
- سامنے کے آخر میں
- مکمل
- مکمل اسٹیک
- مکمل طور پر
- تقریب
- افعال
- مستقبل
- g1
- پیدا
- پیدا ہوتا ہے
- پیدا کرنے والے
- پیداواری
- پیداواری AI۔
- حاصل
- حاصل کرنے
- دے دو
- دی
- اچھا
- بڑھتے ہوئے
- ہے
- he
- مدد
- لہذا
- ہائی
- اعلی کارکردگی
- اعلی
- ان
- ہوم پیج (-)
- میزبان
- میزبان
- کس طرح
- کیسے
- HTML
- HTTPS
- سو
- if
- تصویر
- تصویری تلاش
- تصاویر
- اہم
- کو بہتر بنانے کے
- in
- شامل
- سمیت
- انڈکس
- بھارت
- صنعت
- معلومات
- شروع کرتا ہے
- ان پٹ
- داخل کرتا ہے
- کے اندر
- انسٹال
- تنصیب
- انٹرفیس
- میں
- مسائل
- IT
- میں
- صحافت
- فوٹو
- صرف
- کلیدی
- مطلوبہ الفاظ
- جان
- جانا جاتا ہے
- لیبل
- لیبز
- بعد
- تازہ ترین
- معروف
- سیکھنے
- دو
- سطح
- زندگی
- امکان
- لائن
- سنتا ہے
- تھوڑا
- مقامی
- مقامی طور پر
- تلاش
- سے محبت کرتا ہے
- مشین
- مشین لرننگ
- مین
- برقرار رکھنے
- بنا
- میں کامیاب
- انتظام
- بہت سے
- کے ملاپ
- معاملات
- زیادہ سے زیادہ
- me
- مطلب
- کا مطلب ہے کہ
- پیمائش
- میڈیا
- ذکر کیا
- میٹا
- میٹا ڈیٹا
- شاید
- یاد آیا
- ML
- ماڈل
- ماڈل
- زیادہ
- سب سے زیادہ
- بہت
- ایک سے زیادہ
- ضروری
- نام
- نام
- ضرورت ہے
- نئی
- نیا
- اگلے
- نوڈ
- براہ مہربانی نوٹ کریں
- نمایاں طور پر
- تعداد
- اعتراض
- اشیاء
- of
- تجویز
- on
- ایک
- والوں
- صرف
- اختیار
- آپشنز کے بھی
- or
- حکم
- دیگر
- ہمارے
- باہر
- نتائج
- پیداوار
- نتائج
- خود
- پیکجوں کے
- صفحہ
- متوازی
- حصہ
- خاص طور پر
- پاس ورڈ
- انجام دیں
- شخصیات
- اٹھا
- پلیٹ فارم
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- پوائنٹس
- ممکن
- پوسٹ
- ممکنہ
- ضروریات
- کی موجودگی
- حال (-)
- پچھلا
- پہلے
- کی رازداری
- پرائیویسی اور سیکورٹی
- مسائل
- پیشہ ورانہ
- منصوبے
- فراہم
- شائع
- پبلشرز
- پبلشنگ
- معیار
- سوالات
- فوری
- جلدی سے
- میں تیزی سے
- جواب دیں
- پڑھنا
- تیار
- حال ہی میں
- تسلیم
- تسلیم
- تسلیم شدہ
- پہچانتا ہے
- سفارش
- متعلقہ
- ریموٹ
- ذخیرہ
- نمائندگی
- کی ضرورت
- ضرورت
- ضروریات
- دوبارہ ترتیب دیں
- وسائل
- نتیجہ
- نتائج کی نمائش
- رن
- چل رہا ہے
- چلتا ہے
- سیم
- اسی
- دیکھا
- سکارف
- اسکورنگ
- اسکرپٹ
- سکرپٹ
- تلاش کریں
- تلاش
- تلاش
- دوسری
- سیکورٹی
- دیکھنا
- منتخب
- سیمنٹ
- سزا
- تسلسل
- سیریز
- بے سرور
- سروس
- سروسز
- خدمت
- مقرر
- دکھایا گیا
- شوز
- سائن ان کریں
- اسی طرح
- سادہ
- آسان بنانا
- ایک
- حل
- حل
- حل
- کچھ
- تیزی
- خرچ کرنا۔
- استحکام
- ڈھیر لگانا
- Stacks
- مستحکم
- مرحلہ
- مراحل
- ذخیرہ
- ذخیرہ
- ذخیرہ
- کہانی
- کارگر
- جمع
- جمع کرائی
- اس طرح
- مختصر
- خلاصہ
- امدادی
- اس بات کا یقین
- خلاصہ
- سسٹمز
- لے لو
- لیتا ہے
- بات
- کاموں
- ٹیم
- تکنیک
- دہلی
- شرائط
- ٹیسٹ
- ٹیسٹنگ
- متن
- متنی
- کہ
- ۔
- ان
- ان
- تو
- لہذا
- یہ
- وہ
- اس
- ان
- ہزاروں
- تین
- کے ذریعے
- وقت
- ٹائٹین
- کرنے کے لئے
- ٹوکن
- سب سے اوپر
- تبدیل
- سفر
- tv
- دو
- ui
- سمجھ
- اپ ڈیٹ کریں
- اپ لوڈ کردہ
- URL
- استعمال کی شرائط
- استعمال کیس
- استعمال کیا جاتا ہے
- رکن کا
- صارف مواجہ
- استعمال
- کا استعمال کرتے ہوئے
- ورژن
- بنام
- ویڈیو
- ویڈیوز
- بصری
- واک تھرو
- دیکھ
- راستہ..
- طریقوں
- ویب
- ویب ایپلی کیشن
- ویب خدمات
- ویب سائٹ
- اچھی طرح سے جانا جاتا ہے
- کیا
- جب
- جس
- جبکہ
- سفید
- وکیپیڈیا
- گے
- ساتھ
- کے اندر
- بغیر
- لفظ
- کام
- کام کا بہاؤ
- کام کے بہاؤ
- تم
- اور
- زیفیرنیٹ