نیچرل لینگویج پروسیسنگ (NLP) مشین لرننگ (ML) کا شعبہ ہے جس کا تعلق کمپیوٹر کو متن اور بولے جانے والے الفاظ کو اسی طرح سمجھنے کی صلاحیت فراہم کرنے سے ہے جس طرح انسان کر سکتے ہیں۔ حال ہی میں، جدید ترین فن تعمیرات جیسے ٹرانسفارمر فن تعمیر ان کا استعمال NLP ڈاون اسٹریم کاموں جیسے متن کا خلاصہ، متن کی درجہ بندی، ہستی کی شناخت، اور بہت کچھ پر قریب ترین انسانی کارکردگی کو حاصل کرنے کے لیے کیا جاتا ہے۔
بڑے لینگویج ماڈلز (LLMs) ٹرانسفارمر پر مبنی ماڈلز ہیں جن کی تربیت سینکڑوں ملین (برٹ) ٹریلین سے زیادہ پیرامیٹرز تک (ایم آئی سی ایس)، اور جس کا سائز سنگل GPU ٹریننگ کو ناقابل عمل بناتا ہے۔ ان کی موروثی پیچیدگی کی وجہ سے، شروع سے ایل ایل ایم کی تربیت ایک بہت ہی مشکل کام ہے جسے بہت کم تنظیمیں برداشت کر سکتی ہیں۔ NLP بہاوی کاموں کے لیے ایک عام مشق یہ ہے کہ پہلے سے تربیت یافتہ LLM لیا جائے اور اسے ٹھیک بنایا جائے۔ فائن ٹیوننگ کے بارے میں مزید معلومات کے لیے رجوع کریں۔ مالیاتی ڈیٹا پر ایمیزون سیج میکر جمپ اسٹارٹ میں فاؤنڈیشن ماڈلز کی ڈومین موافقت اور Amazon SageMaker پر Hugging Face کے ساتھ لسانی تنوع کے لیے فائن ٹیون ٹرانسفارمر لینگویج ماڈل.
NLP میں زیرو شاٹ لرننگ اجازت دیتا ہے a پہلے سے تربیت یافتہ ایل ایل ایم ان کاموں کے جوابات پیدا کرنے کے لیے جن کے لیے اسے واضح طور پر تربیت نہیں دی گئی ہے (حتی کہ فائن ٹیوننگ کے بھی)۔ خاص طور پر متن کی درجہ بندی کے بارے میں بات کرتے ہوئے، زیرو شاٹ ٹیکسٹ کی درجہ بندی قدرتی زبان کی پروسیسنگ میں ایک کام ہے جہاں ایک NLP ماڈل کا استعمال غیب کلاسوں سے متن کی درجہ بندی کرنے کے لئے کیا جاتا ہے، اس کے برعکس زیر نگرانی درجہ بندی، جہاں NLP ماڈل صرف اس متن کی درجہ بندی کر سکتے ہیں جو تربیتی ڈیٹا میں کلاسوں سے تعلق رکھتے ہیں۔
ہم نے حال ہی میں زیرو شاٹ کی درجہ بندی ماڈل سپورٹ شروع کی ہے۔ ایمیزون سیج میکر جمپ اسٹارٹ. سیج میکر جمپ اسٹارٹ کا ایم ایل مرکز ہے۔ ایمیزون سیج میکر جو پہلے سے تربیت یافتہ فاؤنڈیشن ماڈلز (FMs)، LLMs، بلٹ ان الگورتھم، اور حل ٹیمپلیٹس تک رسائی فراہم کرتا ہے تاکہ آپ کو ML کے ساتھ جلدی شروع کرنے میں مدد مل سکے۔ اس پوسٹ میں، ہم دکھاتے ہیں کہ آپ SageMaker Jumpstart میں پہلے سے تربیت یافتہ ماڈلز کا استعمال کرتے ہوئے صفر شاٹ کی درجہ بندی کیسے کر سکتے ہیں۔ آپ سیج میکر جمپ سٹارٹ UI اور SageMaker Python SDK کو استعمال کرنے کا طریقہ سیکھیں گے اور دستیاب ماڈلز کا استعمال کرتے ہوئے انفرنس کو حل کرنے کے لیے استعمال کریں۔
زیرو شاٹ لرننگ
زیرو شاٹ کی درجہ بندی ایک نمونہ ہے جہاں ایک ماڈل نئی، غیر دیکھی ہوئی مثالوں کی درجہ بندی کر سکتا ہے جو ان کلاسوں سے تعلق رکھتی ہیں جو تربیتی ڈیٹا میں موجود نہیں تھیں۔ مثال کے طور پر، ایک زبان کا ماڈل جسے انسانی زبان کو سمجھنے کے لیے تربیت دی گئی ہو، نئے سال کی قراردادوں کے ٹویٹس کو متعدد کلاسوں پر درجہ بندی کرنے کے لیے استعمال کیا جا سکتا ہے۔ career
, health
، اور finance
، بغیر زبان کے ماڈل کو متن کی درجہ بندی کے کام پر واضح طور پر تربیت دی جاتی ہے۔ یہ ماڈل کو ٹھیک کرنے کے برعکس ہے، کیونکہ مؤخر الذکر کا مطلب ماڈل کی دوبارہ تربیت (ٹرانسفر لرننگ کے ذریعے) ہے جبکہ زیرو شاٹ لرننگ کے لیے اضافی تربیت کی ضرورت نہیں ہوتی ہے۔
درج ذیل خاکہ ٹرانسفر لرننگ (بائیں) بمقابلہ زیرو شاٹ لرننگ (دائیں) کے درمیان فرق کو واضح کرتا ہے۔
ین وغیرہ۔ نیچرل لینگویج انفرنس (NLI) کا استعمال کرتے ہوئے زیرو شاٹ کلاسیفائر بنانے کے لیے ایک فریم ورک تجویز کیا۔ فریم ورک ایک NLI بنیاد کے طور پر درجہ بندی کرنے کی ترتیب کو پیش کرکے کام کرتا ہے اور ہر امیدوار کے لیبل سے ایک مفروضہ تیار کرتا ہے۔ مثال کے طور پر، اگر ہم یہ جانچنا چاہتے ہیں کہ آیا کوئی ترتیب کلاس سے تعلق رکھتی ہے۔ politics
، ہم "یہ متن سیاست کے بارے میں ہے" کا مفروضہ بنا سکتے ہیں۔ انٹیلمنٹ اور تضاد کے امکانات پھر لیبل امکانات میں تبدیل ہو جاتے ہیں۔ ایک فوری جائزہ کے طور پر، NLI دو جملوں پر غور کرتا ہے: ایک بنیاد اور ایک مفروضہ۔ کام اس بات کا تعین کرنا ہے کہ آیا مفروضہ سچ ہے (انٹیلمنٹ) یا غلط (تضاد) بنیاد کے پیش نظر۔ مندرجہ ذیل جدول کچھ مثالیں فراہم کرتا ہے۔
پریمی | لیبل | فرضی تصور |
مشرقی ایشیا کے کسی ملک میں ایک شخص ایک شخصیت کی وردی کا معائنہ کر رہا ہے۔ | تضاد | آدمی سو رہا ہے۔ |
ایک بوڑھا اور چھوٹا آدمی مسکرا رہا ہے۔ | غیر جانبدار | دو آدمی فرش پر کھیلتی بلیوں کو دیکھ کر مسکرا رہے ہیں اور ہنس رہے ہیں۔ |
ایک فٹ بال کا کھیل جس میں متعدد مرد کھیل رہے ہیں۔ | لذت | کچھ مرد کھیل کھیل رہے ہیں۔ |
حل جائزہ
اس پوسٹ میں، ہم مندرجہ ذیل پر بات کرتے ہیں:
- سیج میکر جمپ سٹارٹ UI کا استعمال کرتے ہوئے پہلے سے تربیت یافتہ زیرو شاٹ ٹیکسٹ کلاسیفیکیشن ماڈلز کو کیسے تعینات کیا جائے اور مختصر ٹیکسٹ ڈیٹا کا استعمال کرتے ہوئے تعینات ماڈل پر اندازہ لگایا جائے۔
- SageMaker جمپ سٹارٹ میں پہلے سے تربیت یافتہ زیرو شاٹ ٹیکسٹ کلاسیفیکیشن ماڈلز تک رسائی حاصل کرنے کے لیے SageMaker Python SDK کا استعمال کیسے کریں اور ریئل ٹائم ٹیکسٹ کلاسیفیکیشن استعمال کیس کے لیے ماڈل کو SageMaker اینڈ پوائنٹ پر تعینات کرنے کے لیے انفرنس اسکرپٹ کا استعمال کریں۔
- پہلے سے تربیت یافتہ زیرو شاٹ ٹیکسٹ کلاسیفیکیشن ماڈلز تک رسائی کے لیے SageMaker Python SDK کا استعمال کیسے کریں اور بیچ ٹیکسٹ کی درجہ بندی کے استعمال کے کیس کے لیے SageMaker بیچ ٹرانسفارم استعمال کریں۔
SageMaker JumpStart مقبول ML ٹاسکس میں پہلے سے تربیت یافتہ ماڈلز کی وسیع اقسام کے لیے ایک کلک کی فائن ٹیوننگ اور تعیناتی فراہم کرتا ہے، ساتھ ہی ساتھ اختتام سے آخر تک حلوں کا انتخاب جو عام کاروباری مسائل کو حل کرتا ہے۔ یہ خصوصیات ML عمل کے ہر مرحلے سے بھاری لفٹنگ کو ہٹاتی ہیں، اعلیٰ معیار کے ماڈلز کی ترقی کو آسان بناتی ہیں اور تعیناتی کے لیے وقت کو کم کرتی ہیں۔ دی جمپ اسٹارٹ APIs آپ کو اپنے ڈیٹا سیٹس پر پہلے سے تربیت یافتہ ماڈلز کے ایک وسیع انتخاب کو پروگرامی طور پر تعینات کرنے اور ٹھیک کرنے کی اجازت دیتا ہے۔
جمپ سٹارٹ ماڈل ہب NLP ماڈلز کی ایک بڑی تعداد تک رسائی فراہم کرتا ہے جو کہ کسٹم ڈیٹا سیٹس پر ٹرانسفر لرننگ اور فائن ٹیوننگ کو قابل بناتا ہے۔ اس تحریر کے مطابق، جمپ سٹارٹ ماڈل ہب میں مختلف قسم کے مشہور ماڈلز میں 300 سے زیادہ ٹیکسٹ ماڈلز شامل ہیں، جیسے کہ Stable Diffusion، Flan T5، Alexa TM، Bloom، اور بہت کچھ۔
نوٹ کریں کہ اس سیکشن میں درج مراحل پر عمل کرتے ہوئے، آپ اپنے AWS اکاؤنٹ میں انفراسٹرکچر تعینات کریں گے جس پر لاگت آئے گی۔
اسٹینڈ اسٹون زیرو شاٹ ٹیکسٹ کی درجہ بندی کا ماڈل متعین کریں۔
اس سیکشن میں، ہم دکھاتے ہیں کہ سیج میکر جمپ اسٹارٹ کا استعمال کرتے ہوئے زیرو شاٹ کی درجہ بندی کا ماڈل کیسے لگایا جائے۔ آپ جمپ اسٹارٹ لینڈنگ پیج کے ذریعے پہلے سے تربیت یافتہ ماڈلز تک رسائی حاصل کر سکتے ہیں۔ ایمیزون سیج میکر اسٹوڈیو. درج ذیل مراحل کو مکمل کریں:
- سیج میکر اسٹوڈیو میں، جمپ اسٹارٹ لینڈنگ پیج کھولیں۔
کا حوالہ دیتے ہیں جمپ اسٹارٹ کھولیں اور استعمال کریں۔ SageMaker JumpStart پر جانے کے طریقے کے بارے میں مزید تفصیلات کے لیے۔ - میں ٹیکسٹ ماڈلز carousel، "Zero-Shot Text Classification" ماڈل کارڈ تلاش کریں۔
- میں سے انتخاب کریں ماڈل دیکھیں تک رسائی حاصل کرنے کے لئے
facebook-bart-large-mnli
ماڈل.
متبادل طور پر، آپ سرچ بار میں زیرو شاٹ کی درجہ بندی کے ماڈل کو تلاش کر سکتے ہیں اور SageMaker JumpStart میں ماڈل تک جا سکتے ہیں۔ - ایک تعیناتی کنفیگریشن، سیج میکر ہوسٹنگ مثال کی قسم، اختتامی نقطہ کا نام، ایمیزون سادہ اسٹوریج سروس (ایمیزون S3) بالٹی کا نام، اور دیگر مطلوبہ پیرامیٹرز۔
- اختیاری طور پر، آپ سیکورٹی کنفیگریشن کی وضاحت کر سکتے ہیں جیسے AWS شناخت اور رسائی کا انتظام (IAM) کردار، VPC ترتیبات، اور AWS کلیدی انتظام کی خدمت (AWS KMS) انکرپشن کیز۔
- میں سے انتخاب کریں تعینات سیج میکر اینڈ پوائنٹ بنانے کے لیے۔
اس قدم کو مکمل ہونے میں چند منٹ لگتے ہیں۔ جب یہ مکمل ہو جائے تو، آپ سیج میکر اینڈ پوائنٹ کے خلاف تخمینہ چلا سکتے ہیں جو زیرو شاٹ درجہ بندی ماڈل کی میزبانی کرتا ہے۔
مندرجہ ذیل ویڈیو میں، ہم اس سیکشن کے اقدامات کا ایک واک تھرو دکھاتے ہیں۔
SageMaker SDK کے ساتھ JumpStart پروگرام کے مطابق استعمال کریں۔
سیج میکر اسٹوڈیو کے سیج میکر جمپ اسٹارٹ سیکشن میں، نیچے فوری آغاز کے حل، آپ کو تلاش کر سکتے ہیں حل کے سانچوں. سیج میکر جمپ سٹارٹ حل ٹیمپلیٹس بہت سے عام ML استعمال کے معاملات کے لیے ایک کلک، اینڈ ٹو اینڈ حل ہیں۔ اس تحریر کے مطابق، متعدد استعمال کے معاملات کے لیے 20 سے زیادہ حل دستیاب ہیں، جیسے کہ ڈیمانڈ کی پیشن گوئی، فراڈ کا پتہ لگانا، اور ذاتی نوعیت کی سفارشات، جن میں سے چند ایک کا نام ہے۔
"زیرو شاٹ ٹیکسٹ کلاسیفیکیشن ود ہیگنگ فیس" سلوشن مخصوص لیبلز کے لیے ماڈل کو تربیت دینے کی ضرورت کے بغیر ٹیکسٹ کی درجہ بندی کرنے کا ایک طریقہ فراہم کرتا ہے۔صفر شاٹ کی درجہ بندی) پہلے سے تربیت یافتہ ٹیکسٹ کلاسیفائر کا استعمال کرکے۔ اس حل کے لیے ڈیفالٹ زیرو شاٹ کی درجہ بندی کا ماڈل ہے۔ facebook-bart-large-mnli (BART) ماڈل۔ اس حل کے لیے، ہم استعمال کرتے ہیں۔ 2015 نئے سال کی قراردادوں کا ڈیٹاسیٹ قراردادوں کی درجہ بندی کرنا۔ اصل ڈیٹاسیٹ کا ایک ذیلی سیٹ جس میں صرف Resolution_Category
(زمینی سچائی کا لیبل) اور text
کالم حل کے اثاثوں میں شامل ہیں۔
ان پٹ ڈیٹا میں ٹیکسٹ سٹرنگز، درجہ بندی کے لیے مطلوبہ زمروں کی فہرست، اور آیا درجہ بندی کثیر لیبل ہے یا مطابقت پذیر (حقیقی وقت) تخمینہ کے لیے نہیں۔ غیر مطابقت پذیر (بیچ) تخمینہ کے لیے، ہم ٹیکسٹ سٹرنگز کی فہرست فراہم کرتے ہیں، ہر اسٹرنگ کے لیے زمرہ جات کی فہرست، اور آیا درجہ بندی ملٹی لیبل ہے یا نہیں JSON لائنز فارمیٹ شدہ ٹیکسٹ فائل میں۔
تخمینہ کا نتیجہ ایک JSON آبجیکٹ ہے جو کچھ درج ذیل اسکرین شاٹ کی طرح لگتا ہے۔
ہمارے پاس اصل متن ہے۔ sequence
فیلڈ، میں متن کی درجہ بندی کے لیے استعمال ہونے والے لیبلز labels
فیلڈ، اور فیلڈ میں ہر لیبل (ظاہر کے اسی ترتیب میں) کو تفویض کردہ امکان scores
.
ہگنگ فیس سلوشن کے ساتھ زیرو شاٹ ٹیکسٹ کی درجہ بندی کرنے کے لیے، درج ذیل مراحل کو مکمل کریں:
- سیج میکر جمپ اسٹارٹ لینڈنگ پیج پر، منتخب کریں۔ ماڈل، نوٹ بک، حل نیوی گیشن پین میں.
- میں حل سیکشن کا انتخاب کریں، تمام حل دریافت کریں۔.
- پر حل صفحہ، ہیگنگ فیس ماڈل کارڈ کے ساتھ زیرو شاٹ ٹیکسٹ کی درجہ بندی کا انتخاب کریں۔
- تعیناتی کی تفصیلات کا جائزہ لیں اور اگر آپ اتفاق کرتے ہیں تو منتخب کریں۔ شروع.
تعیناتی ریئل ٹائم انفرنس کے لیے SageMaker ریئل ٹائم اینڈ پوائنٹ اور بیچ ٹرانسفارمیشن کے نتائج کو اسٹور کرنے کے لیے S3 بالٹی فراہم کرے گی۔
مندرجہ ذیل خاکہ اس طریقہ کار کے فن تعمیر کو واضح کرتا ہے۔
صفر شاٹ کی درجہ بندی کے ماڈل کا استعمال کرتے ہوئے حقیقی وقت کا اندازہ لگائیں۔
اس سیکشن میں، ہم جائزہ لیتے ہیں کہ سیج میکر اینڈ پوائنٹ کا استعمال کرتے ہوئے اصل وقت میں زیرو شاٹ ٹیکسٹ کی درجہ بندی (دستیاب ماڈلز میں سے کسی کا استعمال کرتے ہوئے) چلانے کے لیے Python SDK کا استعمال کیسے کریں۔
- سب سے پہلے، ہم ماڈل پر انفرنس پے لوڈ کی درخواست کو ترتیب دیتے ہیں۔ یہ ماڈل پر منحصر ہے، لیکن BART ماڈل کے لیے، ان پٹ مندرجہ ذیل ڈھانچے کے ساتھ JSON آبجیکٹ ہے:
- نوٹ کریں کہ BART ماڈل واضح طور پر تربیت یافتہ نہیں ہے۔
candidate_labels
. ہم زیرو شاٹ درجہ بندی کی تکنیک استعمال کریں گے تاکہ متن کی ترتیب کو غیر دیکھی ہوئی کلاسوں میں درجہ بندی کر سکیں۔ مندرجہ ذیل کوڈ ایک مثال ہے جس میں نئے سال کی قراردادوں کے ڈیٹاسیٹ اور متعین کلاسوں سے متن استعمال کیا گیا ہے۔ - اگلا، آپ صفر شاٹ پے لوڈ کے ساتھ سیج میکر اینڈ پوائنٹ کو طلب کر سکتے ہیں۔ سیج میکر اینڈ پوائنٹ کو سیج میکر جمپ اسٹارٹ حل کے حصے کے طور پر تعینات کیا گیا ہے۔
- انفرنس رسپانس آبجیکٹ میں اصل ترتیب، زیادہ سے زیادہ سے کم سے کم تک کے اسکور کے حساب سے ترتیب شدہ لیبل، اور فی لیبل کے اسکور شامل ہوتے ہیں:
Python SDK کا استعمال کرتے ہوئے SageMaker بیچ ٹرانسفارم جاب چلائیں۔
یہ سیکشن بیان کرتا ہے کہ زیرو شاٹ کی درجہ بندی کے ساتھ بیچ ٹرانسفارم انفرنس کو کیسے چلایا جائے۔ facebook-bart-large-mnli
کا استعمال کرتے ہوئے ماڈل SageMaker Python SDK. درج ذیل مراحل کو مکمل کریں:
- ان پٹ ڈیٹا کو JSON لائنز فارمیٹ میں فارمیٹ کریں اور فائل کو Amazon S3 پر اپ لوڈ کریں۔
SageMaker بیچ ٹرانسفارم S3 فائل میں اپ لوڈ کردہ ڈیٹا پوائنٹس کا اندازہ لگائے گا۔ - مندرجہ ذیل پیرامیٹرز کے ساتھ ماڈل کی تعیناتی کے نمونے مرتب کریں:
- ماڈل_آئی ڈی - استعمال کریں
huggingface-zstc-facebook-bart-large-mnli
. - deploy_image_uri - کا استعمال کرتے ہیں
image_uris
Python SDK فنکشن کے لیے پہلے سے بلٹ SageMaker Docker امیج حاصل کرنے کے لیےmodel_id
. فنکشن واپس کرتا ہے۔ ایمیزون لچکدار کنٹینر رجسٹری (ایمیزون ای سی آر) یو آر آئی۔ - deploy_source_uri - استعمال کریں
script_uris
S3 URI کو بازیافت کرنے کے لیے utility API جس میں پہلے سے تربیت یافتہ ماڈل کا اندازہ چلانے کے لیے اسکرپٹ شامل ہیں۔ ہم وضاحت کرتے ہیں۔script_scope
asinference
. - ماڈل_وری - استعمال کریں
model_uri
ایمیزون S3 سے مخصوص کے لیے نمونے حاصل کرنے کے لیےmodel_id
.
- ماڈل_آئی ڈی - استعمال کریں
- استعمال
HF_TASK
ہگنگ فیس ٹرانسفارمرز پائپ لائن کے کام کی وضاحت کرنا اورHF_MODEL_ID
متن کی درجہ بندی کرنے کے لیے استعمال ہونے والے ماڈل کی وضاحت کرنے کے لیے:کاموں کی مکمل فہرست کے لیے، دیکھیں پائپ لائنز گلے ملنے والے چہرے کی دستاویزات میں۔
- SageMaker بیچ ٹرانسفارم جاب کے ساتھ تعینات کرنے کے لیے ایک Hugging Face ماڈل آبجیکٹ بنائیں:
- بیچ جاب چلانے کے لیے ٹرانسفارم بنائیں:
- بیچ ٹرانسفارم جاب شروع کریں اور S3 ڈیٹا کو بطور ان پٹ استعمال کریں:
آپ SageMaker کنسول پر اپنے بیچ پروسیسنگ جاب کی نگرانی کر سکتے ہیں (منتخب کریں۔ بیچ کی تبدیلی کی نوکریاں کے تحت ارادہ نیویگیشن پین میں)۔ کام مکمل ہونے پر، آپ S3 فائل میں ماڈل کی پیشن گوئی آؤٹ پٹ کو چیک کر سکتے ہیں۔ output_path
.
سیج میکر جمپ سٹارٹ میں تمام دستیاب پہلے سے تربیت یافتہ ماڈلز کی فہرست کے لیے رجوع کریں۔ پہلے سے تربیت یافتہ ماڈل ٹیبل کے ساتھ بلٹ ان الگورتھم. زیرو شاٹ ٹیکسٹ کی درجہ بندی کرنے کے قابل تمام ماڈلز کو تلاش کرنے کے لیے سرچ بار میں کلیدی لفظ "zstc" (صفر شاٹ ٹیکسٹ کی درجہ بندی کے لیے مختصر) استعمال کریں۔
صاف کرو
نوٹ بک کو چلانے کے بعد، اس بات کو یقینی بنانے کے لیے کہ اس گائیڈ میں تعینات اثاثوں سے ہونے والے اخراجات کو روک دیا جائے اس عمل میں بنائے گئے تمام وسائل کو حذف کرنا یقینی بنائیں۔ زیرو شاٹ ٹیکسٹ کی درجہ بندی کے حل اور ماڈل سے منسلک نوٹ بک میں تعینات وسائل کو صاف کرنے کا کوڈ فراہم کیا گیا ہے۔
ڈیفالٹ سیکورٹی کنفیگریشنز
سیج میکر جمپ اسٹارٹ ماڈل درج ذیل ڈیفالٹ سیکیورٹی کنفیگریشنز کا استعمال کرتے ہوئے تعینات کیے گئے ہیں۔
SageMaker سیکیورٹی سے متعلق موضوعات کے بارے میں مزید جاننے کے لیے، چیک آؤٹ کریں۔ ایمیزون سیج میکر میں سیکیورٹی کو ترتیب دیں۔.
نتیجہ
اس پوسٹ میں، ہم نے آپ کو دکھایا کہ سیج میکر جمپ سٹارٹ UI کا استعمال کرتے ہوئے زیرو شاٹ کی درجہ بندی کرنے والے ماڈل کو کیسے تعینات کیا جائے اور تعیناتی اختتامی نقطہ کا استعمال کرتے ہوئے اندازہ لگایا جائے۔ ہم نے سیج میکر جمپ سٹارٹ نئے سال کے حل کا استعمال کیا یہ دکھانے کے لیے کہ آپ SageMaker Python SDK کو آخر سے آخر تک حل بنانے اور زیرو شاٹ کی درجہ بندی کی درخواست کو لاگو کرنے کے لیے کس طرح استعمال کر سکتے ہیں۔ سیج میکر جمپ سٹارٹ سینکڑوں پہلے سے تربیت یافتہ ماڈلز تک رسائی فراہم کرتا ہے اور کمپیوٹر وژن، قدرتی زبان کی پروسیسنگ، سفارشی نظام وغیرہ جیسے کاموں کے لیے حل فراہم کرتا ہے۔ خود ہی حل آزمائیں اور ہمیں اپنے خیالات سے آگاہ کریں۔
مصنفین کے بارے میں
ڈیوڈ لاریڈو LATAM میں AWS Envision انجینئرنگ میں ایک پروٹو ٹائپنگ آرکیٹیکٹ ہے، جہاں اس نے متعدد مشین لرننگ پروٹو ٹائپ تیار کرنے میں مدد کی ہے۔ اس سے پہلے، وہ مشین لرننگ انجینئر کے طور پر کام کر چکے ہیں اور 5 سال سے زیادہ عرصے سے مشین لرننگ کر رہے ہیں۔ اس کی دلچسپی کے شعبے NLP، ٹائم سیریز، اور اینڈ ٹو اینڈ ایم ایل ہیں۔
وکرم ایلنگو ورجینیا، US میں مقیم Amazon Web Services میں ایک AI/ML ماہر حل آرکیٹیکٹ ہے۔ وکرم مالیاتی اور انشورنس انڈسٹری کے صارفین کو ڈیزائن اور سوچی سمجھی قیادت کے ساتھ مشین لرننگ ایپلی کیشنز کو بڑے پیمانے پر بنانے اور تعینات کرنے میں مدد کرتا ہے۔ وہ فی الحال پورے انٹرپرائز میں قدرتی زبان کی پروسیسنگ، ذمہ دار AI، انفرنس آپٹیمائزیشن، اور ML اسکیلنگ پر مرکوز ہے۔ اپنے فارغ وقت میں، وہ اپنے خاندان کے ساتھ سفر، پیدل سفر، کھانا پکانے اور کیمپنگ سے لطف اندوز ہوتا ہے۔
ڈاکٹر وویک مدن Amazon SageMaker جمپ سٹارٹ ٹیم کے ساتھ ایک اپلائیڈ سائنٹسٹ ہے۔ انہوں نے Urbana-Champaign میں یونیورسٹی آف الینوائے سے پی ایچ ڈی کی اور جارجیا ٹیک میں پوسٹ ڈاکٹریٹ ریسرچر تھے۔ وہ مشین لرننگ اور الگورتھم ڈیزائن میں ایک فعال محقق ہے اور اس نے EMNLP، ICLR، COLT، FOCS، اور SODA کانفرنسوں میں مقالے شائع کیے ہیں۔
- 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۔
- پلیٹو ہیلتھ۔ بائیوٹیک اینڈ کلینیکل ٹرائلز انٹیلی جنس۔ یہاں تک رسائی حاصل کریں۔
- چارٹ پرائم۔ ChartPrime کے ساتھ اپنے ٹریڈنگ گیم کو بلند کریں۔ 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/zero-shot-text-classification-with-amazon-sagemaker-jumpstart/
- : ہے
- : ہے
- : نہیں
- :کہاں
- $UP
- 1
- 10
- 100
- 12
- 16
- 17
- 20
- 22
- 30
- 7
- 8
- 9
- a
- کی صلاحیت
- ہمارے بارے میں
- اوپر
- تک رسائی حاصل
- اکاؤنٹ
- حاصل
- کے پار
- فعال
- ایڈیشنل
- کے خلاف
- AI
- AI / ML
- AL
- Alexaکی بنیاد پر IQ Option ، بائنومو سے اوپری پوزیشن پر ہے۔
- یلگورتم
- یلگوردمز
- تمام
- کی اجازت
- کی اجازت دیتا ہے
- ایمیزون
- ایمیزون سیج میکر
- ایمیزون سیج میکر جمپ اسٹارٹ
- ایمیزون ویب سروسز
- رقم
- an
- اور
- کوئی بھی
- اے پی آئی
- درخواست
- ایپلی کیشنز
- اطلاقی
- فن تعمیر
- کیا
- علاقوں
- AS
- ایشیائی
- اثاثے
- تفویض
- منسلک
- At
- خود کار طریقے سے
- دستیاب
- AWS
- بار
- بیس
- کی بنیاد پر
- BE
- رہا
- کیا جا رہا ہے
- تعلق رکھتا ہے
- کے درمیان
- بلوم
- جسم
- کتب
- ناشتا
- تعمیر
- تعمیر میں
- کاروبار
- لیکن
- by
- کر سکتے ہیں
- امیدوار
- صلاحیت رکھتا
- کارڈ
- کیریئر کے
- carousel
- مقدمات
- اقسام
- بلیوں
- چیلنج
- چیک کریں
- میں سے انتخاب کریں
- طبقے
- کلاس
- درجہ بندی
- درجہ بندی
- درجہ بندی کرنا۔
- کوڈ
- کالم
- کامن
- مکمل
- پیچیدگی
- کمپیوٹر
- کمپیوٹر ویژن
- کمپیوٹر
- متعلقہ
- کانفرنسوں
- ترتیب
- سمجھتا ہے
- کنسول
- تعمیر
- کنٹینر
- پر مشتمل ہے
- اس کے برعکس
- تبدیل
- اخراجات
- سکتا ہے
- ملک
- جوڑے
- تخلیق
- بنائی
- تخلیق
- اس وقت
- اپنی مرضی کے
- گاہکوں
- اعداد و شمار
- ڈیٹا پوائنٹس
- ڈیٹاسیٹس
- وقف
- پہلے سے طے شدہ
- وضاحت
- کی وضاحت
- ڈیمانڈ
- ڈیمانڈ پیشن گوئی
- مظاہرہ
- انحصار
- انحصار
- تعیناتی
- تعینات
- تعیناتی
- ڈیزائن
- مطلوبہ
- تفصیلات
- کھوج
- اس بات کا تعین
- ترقی
- ترقی
- اختلافات
- براڈ کاسٹننگ
- بات چیت
- تنوع
- میں Docker
- دستاویزات
- نہیں کرتا
- کر
- کیا
- دو
- ای اینڈ ٹی
- ہر ایک
- وسطی
- تعلیم
- ای میل
- کو چالو کرنے کے
- خفیہ کاری
- آخر سے آخر تک
- اختتام پوائنٹ
- انجینئر
- انجنیئرنگ
- کو یقینی بنانے کے
- انٹرپرائز
- ہستی
- تصور
- اندازہ
- بھی
- مثال کے طور پر
- مثال کے طور پر
- چہرہ
- جھوٹی
- خاندان
- خصوصیات
- چند
- میدان
- اعداد و شمار
- فائل
- کی مالی اعانت
- مالی
- مل
- فلور
- توجہ مرکوز
- کے بعد
- کے لئے
- فارمیٹ
- فاؤنڈیشن
- فریم ورک
- دھوکہ دہی
- فراڈ کا پتہ لگانے
- سے
- تقریب
- کھیل ہی کھیل میں
- پیدا
- جارجیا
- حاصل
- GitHub کے
- دی
- دے
- گراؤنڈ
- ترقی
- رہنمائی
- ہینڈلنگ
- ہے
- he
- صحت
- بھاری
- بھاری وزن اٹھانا
- مدد
- مدد
- مدد کرتا ہے
- اعلی معیار کی
- ان
- ہوسٹنگ
- میزبان
- کس طرح
- کیسے
- HTML
- HTTP
- HTTPS
- حب
- انسانی
- مزاحیہ
- سینکڑوں
- لاکھوں لاکھ
- ID
- شناختی
- if
- ایلی نوائے
- وضاحت کرتا ہے
- تصویر
- پر عملدرآمد
- درآمد
- in
- شامل
- شامل ہیں
- صنعت
- معلومات
- انفراسٹرکچر
- ذاتی، پیدائشی
- ان پٹ
- آدانوں
- مثال کے طور پر
- انشورنس
- دلچسپی
- IT
- ایوب
- نوکریاں
- فوٹو
- JSON
- کلیدی
- چابیاں
- جان
- لیبل
- لیبل
- لینڈنگ
- زبان
- بڑے
- LATAM
- شروع
- قیادت
- جانیں
- سیکھنے
- چھوڑ دیا
- دو
- اٹھانے
- کی طرح
- لائن
- لائنوں
- لسٹ
- ایل ایل ایم
- لوڈ کر رہا ہے
- دیکھنا
- مشین
- مشین لرننگ
- بنا
- بناتا ہے
- آدمی
- انتظام
- بہت سے
- میکس
- مئی..
- مرد
- طریقہ
- لاکھوں
- منٹ
- منٹ
- ML
- ماڈل
- ماڈل
- کی نگرانی
- زیادہ
- ایک سے زیادہ
- my
- نام
- قدرتی
- قدرتی زبان عملیات
- تشریف لے جائیں
- سمت شناسی
- ضرورت ہے
- نئی
- نئے سال
- ویزا
- نہیں
- نوٹ بک
- تعداد
- اعتراض
- of
- on
- صرف
- کھول
- اصلاح کے
- or
- حکم
- تنظیمیں
- اصل
- دیگر
- باہر
- پیداوار
- پر
- خود
- صفحہ
- پین
- کاغذات
- پیرا میٹر
- پیرامیٹرز
- حصہ
- راستہ
- فی
- انجام دیں
- کارکردگی
- اجازتیں
- ذاتی
- نجیکرت
- پی ایچ ڈی
- انسان دوستی
- پائپ لائن
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- کھیل
- پوائنٹس
- سیاست
- مقبول
- پوسٹ
- پریکٹس
- کی پیشن گوئی
- پیشن گوئی
- حال (-)
- پہلے
- مسائل
- عمل
- پروسیسنگ
- مجوزہ
- prototypes
- prototyping کے
- فراہم
- فراہم
- فراہم کرتا ہے
- پراجیکٹ
- شائع
- ازگر
- pytorch
- فوری
- جلدی سے
- پڑھیں
- اصلی
- اصل وقت
- حال ہی میں
- تسلیم
- سفارش
- سفارشات
- کو کم کرنے
- ہٹا
- درخواست
- کی ضرورت
- ضرورت
- محقق
- وسائل
- جواب
- جوابات
- ذمہ دار
- نتیجہ
- نتائج کی نمائش
- واپسی
- کا جائزہ لینے کے
- ٹھیک ہے
- کردار
- رن
- چل رہا ہے
- s
- sagemaker
- اسی
- محفوظ کریں
- پیمانے
- سکیلنگ
- سائنسدان
- سکور
- فیرنا
- سکرپٹ
- طومار کرنا
- sdk
- تلاش کریں
- سیکشن
- سیکورٹی
- دیکھنا
- انتخاب
- تسلسل
- سیریز
- سروسز
- ترتیبات
- مختصر
- شاٹ
- دکھائیں
- سے ظاہر ہوا
- سادہ
- آسان بنانا
- بعد
- سائز
- فٹ بال
- حل
- حل
- حل
- کچھ
- کچھ
- بات
- ماہر
- مخصوص
- خاص طور پر
- مخصوص
- بات
- کھیل
- مستحکم
- اسٹینڈ
- شروع کریں
- شروع
- ریاستی آرٹ
- رہنا
- مرحلہ
- مراحل
- بند کر دیا
- ذخیرہ
- ذخیرہ کرنے
- سلک
- ساخت
- سٹوڈیو
- اس طرح
- حمایت
- اس بات کا یقین
- سسٹمز
- ٹیبل
- لے لو
- لیتا ہے
- ٹاسک
- کاموں
- ٹیم
- ٹیک
- سانچے
- متن کی درجہ بندی
- کہ
- ۔
- ان
- تو
- یہ
- اس
- سوچا
- سوچا قیادت۔
- کے ذریعے
- وقت
- وقت کا سلسلہ
- TM
- کرنے کے لئے
- موضوعات
- ٹرین
- تربیت یافتہ
- ٹریننگ
- منتقل
- تبدیل
- تبدیلی
- ٹرانسفارمر
- ٹرانسفارمرز
- سفر
- ٹریلین
- سچ
- حقیقت
- کوشش
- ٹویٹس
- دو
- قسم
- ui
- کے تحت
- سمجھ
- یونیورسٹی
- اپ لوڈ کردہ
- us
- استعمال کی شرائط
- استعمال کیا جاتا ہے
- کا استعمال کرتے ہوئے
- کی افادیت
- مختلف اقسام کے
- وسیع
- ورژن
- بہت
- ویڈیو
- ورجینیا
- نقطہ نظر
- vs
- واک تھرو
- چاہتے ہیں
- تھا
- راستہ..
- we
- ویب
- ویب خدمات
- اچھا ہے
- تھے
- جب
- چاہے
- جبکہ
- کس کی
- وسیع
- گے
- ساتھ
- بغیر
- الفاظ
- کام کیا
- کام کرتا ہے
- تحریری طور پر
- سال
- سال
- تم
- چھوٹی
- اور
- زیفیرنیٹ
- صفر
- زیرو شاٹ لرننگ