Hôm nay, chúng tôi vui mừng thông báo rằng Đọt non mô hình hiện có sẵn cho khách hàng sử dụng Khởi động Amazon SageMaker. Gemma là một gia đình mô hình ngôn ngữ dựa trên mô hình Gemini của Google, được đào tạo trên 6 nghìn tỷ mã thông báo văn bản. Họ Gemma bao gồm hai kích cỡ: mô hình tham số 7 tỷ và mô hình tham số 2 tỷ. Giờ đây, bạn có thể sử dụng các mô hình đã được huấn luyện trước và điều chỉnh theo hướng dẫn của Gemma 2B và Gemma 7B trong Khởi động SageMaker. JumpStart là trung tâm máy học (ML) của SageMaker cung cấp quyền truy cập vào các mô hình nền tảng bên cạnh các thuật toán tích hợp sẵn và các mẫu giải pháp toàn diện để giúp bạn nhanh chóng bắt đầu với ML.
Trong bài đăng này, chúng tôi hướng dẫn cách triển khai mô hình Gemma và tinh chỉnh nó cho các trường hợp sử dụng của bạn trong SageMaker JumpStart. Sổ ghi chép hoàn chỉnh có sẵn trên GitHub.
người mẫu Gemma
Đọt non là một dòng sản phẩm nhẹ, hiện đại mô hình được xây dựng từ cùng nghiên cứu và công nghệ được sử dụng để tạo ra Gemini các mô hình. Được phát triển bởi Google DeepMind và các nhóm khác trên Google, Gemma được lấy cảm hứng từ Gemini. Gemma thể hiện khả năng tổng quát mạnh mẽ trong lĩnh vực văn bản cũng như kỹ năng hiểu và suy luận tiên tiến trên quy mô lớn. Nó đạt được hiệu suất tốt hơn so với các mô hình có sẵn công khai khác có quy mô tương tự hoặc lớn hơn trên các lĩnh vực khác nhau, bao gồm trả lời câu hỏi, lý luận thông thường, toán học và khoa học và mã hóa. Gemma đã phát hành trọng lượng mô hình để hỗ trợ sự đổi mới của nhà phát triển bằng cách sử dụng mô hình Gemma. Gemma đã được ra mắt với một sản phẩm mới Bộ công cụ AI sáng tạo có trách nhiệm cung cấp hướng dẫn và các công cụ cần thiết để tạo các ứng dụng AI an toàn hơn với Gemma.
Các mô hình nền tảng trong SageMaker
JumpStart cung cấp quyền truy cập vào một loạt các mô hình từ các trung tâm mô hình phổ biến bao gồm Hugging Face, PyTorch Hub và TensorFlow Hub, mà bạn có thể sử dụng trong quy trình phát triển ML của mình trong SageMaker. Những tiến bộ gần đây trong ML đã tạo ra một loại mô hình mới được gọi là mô hình nền tảng, thường được đào tạo trên hàng tỷ tham số và có thể thích ứng với nhiều loại trường hợp sử dụng, chẳng hạn như tóm tắt văn bản, tạo tác phẩm nghệ thuật kỹ thuật số và dịch ngôn ngữ. Vì đào tạo các mô hình này tốn kém nên khách hàng muốn sử dụng các mô hình nền tảng được đào tạo trước hiện có và tinh chỉnh chúng khi cần, thay vì tự đào tạo các mô hình này. SageMaker cung cấp một danh sách các mô hình được sắp xếp mà bạn có thể chọn trên bảng điều khiển SageMaker.
Giờ đây, bạn có thể tìm thấy các mô hình nền tảng từ các nhà cung cấp mô hình khác nhau trong JumpStart, cho phép bạn bắt đầu nhanh chóng với các mô hình nền tảng. Bạn có thể tìm thấy các mô hình nền tảng dựa trên các nhiệm vụ hoặc nhà cung cấp mô hình khác nhau và xem xét các đặc điểm cũng như điều khoản sử dụng của mô hình. Bạn cũng có thể thử các mô hình này bằng tiện ích giao diện người dùng thử nghiệm. Khi muốn sử dụng mô hình nền tảng trên quy mô lớn, bạn có thể làm như vậy mà không cần rời khỏi SageMaker bằng cách sử dụng sổ ghi chép dựng sẵn từ các nhà cung cấp mô hình. Vì các mô hình được lưu trữ và triển khai trên AWS nên dữ liệu của bạn, dù được sử dụng để đánh giá mô hình hay sử dụng trên quy mô lớn, sẽ không bao giờ được chia sẻ với bên thứ ba.
Hãy khám phá cách bạn có thể sử dụng mô hình Llama Guard trong JumpStart.
Khám phá mô hình Gemma trong Jumpstart
Bạn có thể truy cập các mô hình nền tảng Gemma thông qua SageMaker JumpStart trong giao diện người dùng SageMaker Studio và SageMaker Python SDK. Trong phần này, chúng ta sẽ tìm hiểu cách khám phá các mô hình trong SageMaker Studio.
SageMaker Studio là môi trường phát triển tích hợp (IDE) cung cấp một giao diện trực quan dựa trên web duy nhất nơi bạn có thể truy cập các công cụ chuyên dụng để thực hiện tất cả các bước phát triển ML, từ chuẩn bị dữ liệu đến xây dựng, đào tạo và triển khai các mô hình ML của mình. Để biết thêm chi tiết về cách bắt đầu và thiết lập SageMaker Studio, hãy xem Xưởng sản xuất Amazon SageMaker.
Trong Bảng điều khiển quản lý AWS dành cho SageMaker Studio, hãy truy cập SageMaker JumpStart trong Các giải pháp dựng sẵn và tự động. Khởi động có chứa các mô hình, sổ ghi chép và giải pháp dựng sẵn được đào tạo trước.
Trên trang đích SageMaker JumpStart, bạn có thể tìm thấy mô hình Gemma bằng cách tìm kiếm Gemma.
Sau đó, bạn có thể chọn từ nhiều biến thể mô hình Gemma, bao gồm Gemma 2B, Gemma 7B, Gemma 2B hướng dẫn và Gemma 7B hướng dẫn.
Chọn thẻ mô hình để xem thông tin chi tiết về mô hình như giấy phép, dữ liệu dùng để đào tạo và cách sử dụng mô hình. Bạn cũng sẽ tìm thấy một Triển khai nút này sẽ đưa bạn đến trang đích nơi bạn có thể kiểm tra suy luận bằng tải trọng mẫu.
Triển khai Gemma với SageMaker Python SDK
Bạn có thể tìm thấy mã hiển thị việc triển khai Gemma trên JumpStart và ví dụ về cách sử dụng mô hình đã triển khai trong sổ ghi chép GitHub này.
Bắt đầu bằng cách chọn ID mô hình SageMaker Model Hub và phiên bản mô hình để sử dụng khi triển khai Gemma.
Chọn ID mẫu từ bảng sau, bảng này nêu chi tiết các tùy chọn cấu hình mặc định cho việc triển khai JumpStart. Do kích thước từ vựng lớn lên tới 256 nghìn mã thông báo, Gemma 7B chỉ có thể vừa với một GPU A10G duy nhất khi hỗ trợ độ dài ngữ cảnh 1 nghìn. Vì lý do này, JumpStart sử dụng phiên bản mặc định lớn hơn cho Gemma 7B.
ID mô hình | Ví dụ suy luận mặc định | Độ song song của tensor | Ngữ cảnh được hỗ trợ |
ôm mặt-llm-gemma-2b | ml.g5.xlarge | 1 | 8k |
ôm mặt-llm-gemma-2b-hướng dẫn | ml.g5.xlarge | 1 | 8k |
ôm mặt-llm-gemma-7b | ml.g5.12xlarge | 4 | 8k |
ôm mặt-llm-gemma-7b-hướng dẫn | ml.g5.12xlarge | 4 | 8k |
Bây giờ bạn có thể triển khai mô hình bằng SageMaker JumpStart. Đoạn mã sau sử dụng phiên bản mặc định ml.g5.12xlarge
đối với điểm cuối suy luận Bạn có thể triển khai mô hình trên các loại phiên bản khác bằng cách chuyển instance_type
trong JumpStartModel
lớp học. Việc triển khai có thể mất 5-10 phút.
Để triển khai thành công, bạn phải thay đổi thủ công accept_eula
đối số trong phương thức triển khai của mô hình để True
. Mô hình này được triển khai bằng cách sử dụng vùng chứa học sâu tạo văn bản (TGI).
Gọi điểm cuối
Bạn có thể truy xuất tải trọng mẫu theo chương trình từ JumpStartModel
sự vật. Điều này sẽ giúp bạn bắt đầu bằng cách quan sát lời nhắc hướng dẫn được định dạng trước mà Gemma có thể nhập.
Trước khi xem xét các lời nhắc cụ thể, hãy xem xét mẫu trò chuyện dành cho các mô hình Hướng dẫn của Gemma.
Tại đây, bạn đặt lời nhắc của mình vào [USER_PROMPT]
vị trí. Không có sự hỗ trợ nào cho hướng dẫn hệ thống; thay vào đó, bạn có thể thêm hướng dẫn mong muốn vào lời nhắc của người dùng. Ngoài ra, nếu bạn có cuộc trò chuyện nhiều lượt thì lời nhắc mẫu có thể luân phiên giữa người dùng và trợ lý nếu cần.
Bây giờ hãy xem xét một vài lời nhắc ví dụ hướng dẫn. Tại đây, bạn yêu cầu Gemma viết chương trình Hello World.
Sau đây là đầu ra dự kiến:
Tiếp theo, hãy mời Gemma thực hiện nhiệm vụ sáng tạo là viết một bài thơ.
Sau đây là đầu ra:
Điều này có vẻ khá tốt!
Bây giờ, hãy xem điểm chuẩn hiệu suất độ trễ và thông lượng để phân phối mô hình với cấu hình triển khai JumpStart mặc định. Ở đây, chúng tôi cho thấy hiệu suất của mô hình có thể khác nhau như thế nào đối với khối lượng công việc điểm cuối thông thường của bạn. Trong các bảng sau, bạn có thể quan sát thấy các truy vấn có kích thước nhỏ (256 từ đầu vào và 256 mã thông báo đầu ra) hoạt động khá hiệu quả dưới một số lượng lớn người dùng đồng thời, đạt thông lượng mã thông báo theo thứ tự một nghìn đến hai nghìn mã thông báo mỗi giây. Tuy nhiên, khi số lượng từ đầu vào đạt đến độ dài ngữ cảnh được hỗ trợ tối đa của Gemma là XNUMX nghìn mã thông báo, điểm cuối sẽ bão hòa khả năng phân nhóm của nó—số lượng yêu cầu đồng thời được phép xử lý đồng thời—do các ràng buộc ràng buộc về bộ nhớ phiên bản.
Để biết thêm thông tin về cách xem xét thông tin này và điều chỉnh cấu hình triển khai cho trường hợp sử dụng cụ thể của bạn, hãy xem Đo điểm chuẩn và tối ưu hóa việc triển khai điểm cuối trong Amazon SageMaker JumpStart.
. | Thông lượng (mã thông báo/giây) | ||||||||||
Người dùng đồng thời | 1 | 2 | 4 | 8 | 16 | 32 | 64 | 128 | |||
kiểu mẫu | Loại phiên bản | Nhập từ | Mã thông báo đầu ra | . | . | . | . | . | . | . | . |
gemma-2b-hướng dẫn | ml.g5.xlarge | 256 | 256 | 73 | 137 | 262 | 486 | 829 | 1330 | 1849 | 1834 |
2048 | 256 | 69 | 126 | 227 | 373 | 537 | 704 | 764 | - | ||
7936 | 256 | 60 | 100 | 147 | 195 | 226 | 230 | - | - | ||
gemma-7b-hướng dẫn | ml.g5.12xlarge | 256 | 256 | 62 | 119 | 227 | 413 | 601 | 811 | 937 | 962 |
2048 | 256 | 56 | 100 | 172 | 245 | 267 | 273 | - | - | ||
7936 | 256 | 44 | 67 | 77 | 77 | 78 | - | - | - |
. | Độ trễ P50 (ms/mã thông báo) | ||||||||||
Người dùng đồng thời | 1 | 2 | 4 | 8 | 16 | 32 | 64 | 128 | |||
kiểu mẫu | Loại phiên bản | Nhập từ | Mã thông báo đầu ra | . | . | . | . | . | . | . | . |
gemma-2b-hướng dẫn | ml.g5.xlarge | 256 | 256 | 13 | 14 | 15 | 16 | 19 | 23 | 33 | 49 |
2048 | 256 | 14 | 15 | 17 | 20 | 28 | 43 | 79 | - | ||
7936 | 256 | 16 | 19 | 26 | 39 | 68 | 136 | - | - | ||
Gemma-7b-hướng dẫn | ml.g5.12xlarge | 256 | 256 | 16 | 16 | 17 | 19 | 26 | 38 | 57 | 110 |
2048 | 256 | 17 | 19 | 23 | 32 | 52 | 119 | - | - | ||
7936 | 256 | 22 | 29 | 45 | 105 | 197 | - | - | - |
Tinh chỉnh Gemma bằng SageMaker Python SDK
Tiếp theo, chúng tôi chỉ cho bạn cách tinh chỉnh mô hình hướng dẫn Gemma 7B trên tập dữ liệu có định dạng đàm thoại bằng cách sử dụng QLoRA kỹ thuật. Như đã đề cập trước đây, do kích thước từ vựng lớn là 256 nghìn và độ dài ngữ cảnh 8 nghìn, JumpStart cung cấp các cấu hình mặc định sau để tinh chỉnh QLoRA.
ID mô hình | Phiên bản đào tạo mặc định | Độ dài chuỗi đầu vào tối đa | Kích thước lô đào tạo trên mỗi thiết bị | Các bước tích lũy gradient |
ôm mặt-llm-gemma-2b | ml.g5.2xlarge | 1024 | 1 | 4 |
ôm mặt-llm-gemma-2b-hướng dẫn | ml.g5.2xlarge | 1024 | 1 | 4 |
ôm mặt-llm-gemma-7b | ml.g5.12xlarge | 2048 | 1 | 4 |
ôm mặt-llm-gemma-7b-hướng dẫn | ml.g5.12xlarge | 2048 | 1 | 4 |
Hãy tải và xử lý tập dữ liệu ở định dạng đàm thoại. Tập dữ liệu mẫu cho phần trình diễn này là Chủ đề hội thoại TOP-1 của OpenAssistant.
Dữ liệu huấn luyện phải được xây dựng dưới dạng dòng JSON (.jsonl
), trong đó mỗi dòng là một từ điển đại diện cho một tập hợp các cuộc hội thoại. Một ví dụ trong tệp dòng JSON được hiển thị bên dưới. Để biết chi tiết về cách xử lý tập dữ liệu, hãy xem sổ ghi chép trong GitHub.
Dựa trên các kịch bản đào tạo, JumpStart sử dụng HuggingFace SFTHuấn luyện viên với QLoRA và Đèn FlashChú Ý. Flash Chú ý cho phép mở rộng hiệu quả, dẫn đến đào tạo và suy luận nhanh hơn. Bên cạnh việc tinh chỉnh dựa trên trò chuyện, JumpStart còn hỗ trợ tinh chỉnh hướng dẫn và điều chỉnh tên miền với QLoRA. Để biết chi tiết, xem sổ ghi chép ở GitHub.
Sau khi tinh chỉnh, bạn có thể triển khai mô hình đã tinh chỉnh đến điểm cuối SageMaker.
Bạn có thể chọn triển khai mô hình được tinh chỉnh trên dữ liệu hội thoại ở điểm cuối SageMaker bằng Tính năng API tin nhắn HuggingFace như một cách tiếp cận thay thế. Lợi ích của việc sử dụng tính năng Message API là cho phép người dùng chuyển các ví dụ truy vấn ở định dạng thô như trong bảng sau và chat_template trong điểm cuối sẽ chuyển đổi các ví dụ truy vấn sang định dạng phù hợp trước khi gửi chúng vào mô hình. Để biết chi tiết, hãy xem phần triển khai sau khi tinh chỉnh trong máy tính xách tay.
Sau khi triển khai mô hình tinh chỉnh ở điểm cuối, bạn có thể so sánh phản hồi đầu ra từ các mô hình Gemma đã được đào tạo trước và tinh chỉnh. Các ví dụ được thu thập từ dữ liệu thử nghiệm, là tập hợp giữ lại từ dữ liệu huấn luyện. Các tham số suy luận là max_tokens
như 512, top_p
như 0.9, temperature
như 0.4, và top_k
như 50.
Như bạn có thể thấy với kết quả tinh chỉnh, câu trả lời của nhân viên hỗ trợ chính xác hơn.
Để đánh giá thêm các mô hình tinh chỉnh của bạn, bạn có thể khám phá Đánh giá FM bằng Amazon SageMaker Clarify để xem mô hình tinh chỉnh của bạn hoạt động như thế nào so với mô hình cơ sở.
Đầu vào | Thực địa | Phản hồi từ cơ sở kiểu mẫu | Phản hồi từ mô hình tinh chỉnh | |
1 |
Người dùng: Tôi muốn rèn luyện vốn từ vựng của mình, bạn có thể cho tôi một số cách đơn giản để tôi có thể tìm từ mới để sử dụng nhằm tăng tính đa dạng cho câu của mình không? Trợ lý: Chắc chắn rồi! Cải thiện vốn từ vựng của bạn là một quá trình liên tục, nhưng đây là một số cách đơn giản để tìm từ mới và tăng tính đa dạng cho câu của bạn: 1. Đọc rộng rãi: Đọc sách, bài viết và blog từ các thể loại và chủ đề khác nhau giúp bạn tiếp xúc với các từ và cụm từ mới. Ghi lại bất kỳ từ lạ nào bạn gặp phải và tra cứu nghĩa của chúng. 2. Sử dụng từ điển đồng nghĩa: Bất cứ khi nào bạn viết hoặc đọc, hãy sử dụng từ điển đồng nghĩa để tìm từ đồng nghĩa cho các từ thường dùng. Điều này không chỉ giúp bạn học từ mới mà còn nâng cao hiểu biết của bạn về sự khác biệt tinh tế trong ý nghĩa của chúng. 3. Lịch hoặc ứng dụng dạy từ vựng mỗi ngày: Đăng ký email mỗi ngày hoặc tải xuống ứng dụng xây dựng từ vựng. Những công cụ này giới thiệu cho bạn một từ mới mỗi ngày, cùng với ý nghĩa, cách phát âm và ví dụ sử dụng của từ đó. 4. Tham gia câu lạc bộ sách hoặc nhóm thảo luận: Tham gia vào các cuộc trò chuyện và thảo luận về sách, bài báo hoặc bất kỳ chủ đề nào khác sẽ giúp bạn tiếp cận những quan điểm khác nhau và từ vựng mới. Hãy chăm chú lắng nghe người khác và thử sử dụng từ mới trong ngữ cảnh. 5. Chơi trò chơi chữ: Các trò chơi như Scrabble, Boggle và trò chơi ô chữ thử thách kỹ năng từ vựng của bạn và giúp bạn học từ mới một cách thú vị. 6. Xem phim, chương trình truyền hình hoặc phim tài liệu: Phương tiện trực quan thường sử dụng ngôn ngữ, tiếng lóng và biệt ngữ đa dạng. Xem phim, chương trình TV hoặc phim tài liệu có phụ đề có thể giúp bạn hiểu và ghi nhớ từ mới tốt hơn. 7. Luyện viết: Thường xuyên viết truyện, tiểu luận hoặc nhật ký sẽ khuyến khích bạn sử dụng các từ và cụm từ mới. Thử nghiệm với các phong cách và thể loại viết khác nhau để mở rộng vốn từ vựng của bạn. 8. Tìm hiểu từ nguyên của một từ mới: Hiểu được nguồn gốc và lịch sử của một từ có thể giúp bạn dễ nhớ và sử dụng chính xác hơn. Nghiên cứu từ nguyên cũng giúp bạn tiếp cận với các từ và khái niệm liên quan. 9. Sử dụng flashcards hoặc phần mềm lặp lại ngắt quãng: Tạo flashcards với các từ mới, nghĩa của chúng và các câu ví dụ. Xem lại chúng thường xuyên hoặc sử dụng phần mềm lặp lại ngắt quãng như Anki để tối ưu hóa việc học của bạn. 10. Đặt mục tiêu cá nhân: Đặt mục tiêu có thể đạt được, chẳng hạn như học năm từ mới mỗi tuần. Theo dõi tiến trình của bạn và tự thưởng cho mình khi đạt được mục tiêu. Bằng cách kết hợp nhất quán các chiến lược này vào thói quen hàng ngày, bạn sẽ dần dần xây dựng được vốn từ vựng đa dạng và phong phú. Người dùng: Hm, tôi thực sự thích ý tưởng đọc sách. Bạn có thể giới thiệu cho tôi một bộ phim kinh dị khoa học viễn tưởng thú vị mà tôi có thể đọc được không? |
Trợ lý: Chắc chắn rồi! Dưới đây là một số đề xuất về phim kinh dị khoa học viễn tưởng mà bạn có thể thích: 1. “Vấn đề ba cơ thể” của Liu Cixin – Cuốn tiểu thuyết đoạt giải thưởng này khám phá mối liên hệ đầu tiên giữa loài người và một nền văn minh ngoài hành tinh cũng như những hậu quả về mặt chính trị và cá nhân từ đó. Đây là một cuốn sách hấp dẫn và kích thích tư duy, đi sâu vào những câu hỏi sâu sắc về bản chất của sự tồn tại và vũ trụ. 2. “Annihilation” của Jeff Vandermeer – Cuốn tiểu thuyết này theo chân một nhóm các nhà khoa học khi họ dấn thân vào một khu vực bí ẩn được gọi là “Khu vực X”, nơi họ gặp phải những hiện tượng kỳ lạ và đáng lo ngại. Khi đi sâu hơn vào khu vực này, họ bắt đầu khám phá những bí mật đen tối về bản chất của thực tại và thế giới xung quanh. 3. “Dark Matter” của Blake Crouch – Cuốn tiểu thuyết này kể về một nhà vật lý lỗi lạc tên là Jason Dessen, người bị bắt cóc và đưa đến một vũ trụ song song. Khi cố gắng tìm đường trở lại thực tế của chính mình, anh ấy phải đối mặt với những lựa chọn của chính mình và hậu quả của hành động của mình. 4. “The Andromeda Strain” của Michael Crichton – Cuốn tiểu thuyết kinh điển này kể về một nhóm các nhà khoa học khi họ cố gắng ngăn chặn và nghiên cứu một loại vi khuẩn ngoài Trái đất chết người đã hạ cánh xuống Trái đất. Khi chạy đua với thời gian để tìm cách vô hiệu hóa vi khuẩn, họ cũng phải đối mặt với những âm mưu chính trị và xung đột cá nhân. 5. “Ready Player One” của Ernest Cline – Cuốn tiểu thuyết này lấy bối cảnh một tương lai đen tối, nơi phần lớn dân số dành thời gian của họ trong một thế giới thực tế ảo được gọi là OASIS. Khi người tạo ra OASIS qua đời và để lại thử thách tìm kiếm quả trứng Phục sinh ẩn giấu, nhân vật chính trẻ tuổi bắt đầu một nhiệm vụ ly kỳ sẽ thay đổi cuộc đời anh mãi mãi. Tôi hy vọng một trong những đề xuất này sẽ thu hút sự quan tâm của bạn! |
Trợ lý: Văn bản không chứa thông tin về sở thích hoặc sở thích đọc sách của bạn, do đó tôi không thể đưa ra đề xuất về sách. |
Trợ lý: Chắc chắn rồi, đây là một số đề xuất về phim kinh dị khoa học viễn tưởng mà bạn có thể thích: – “Dune” của Frank Herbert: Cuốn tiểu thuyết khoa học viễn tưởng hoành tráng này lấy bối cảnh trên hành tinh sa mạc Arrakis, nơi một hoàng tử trẻ tên là Paul Atreides phải đối mặt với những thách thức của một môi trường thù địch và bối cảnh chính trị đầy nguy hiểm. – “The Martian” của Andy Weir: Bộ phim kinh dị khoa học viễn tưởng hấp dẫn này kể về câu chuyện của Mark Watney, một phi hành gia bị mắc kẹt trên sao Hỏa sau một cơn bão bụi, khi anh sử dụng sự khéo léo và tháo vát của mình để sống sót và cuối cùng tìm đường quay trở lại Trái đất. – “Cỗ máy thời gian” của HG Wells: Cuốn tiểu thuyết khoa học viễn tưởng kinh điển này có cách tiếp cận triết học đối với khái niệm du hành thời gian, khám phá hậu quả của việc thay đổi quá khứ và tương lai. – “The Blade Runner” của Philip K. Dick: Cuốn tiểu thuyết khoa học viễn tưởng neo-noir này, lấy bối cảnh ở Los Angeles trong tương lai, khám phá sự giao thoa giữa trí tuệ con người và trí tuệ nhân tạo cũng như ảnh hưởng của nó đối với xã hội và bản chất của thực tế. – “The Androids” của Isaac Asimov: Cuốn tiểu thuyết khoa học viễn tưởng này khám phá khái niệm về trí tuệ nhân tạo và những hậu quả tiềm tàng của nó, đặc biệt khi con người phát triển những android tiên tiến thách thức các giá trị và niềm tin truyền thống của con người. Đây chỉ là một số gợi ý và cuối cùng, cuốn sách hay nhất dành cho bạn sẽ tùy thuộc vào sở thích cá nhân của bạn và loại trải nghiệm mà bạn đang tìm kiếm trong một bộ phim khoa học viễn tưởng kinh dị. Nhưng tôi hy vọng những đề xuất này sẽ mang lại cho bạn một điểm khởi đầu tốt để khám phá thể loại này. Vui lòng cho tôi biết nếu bạn có thêm bất kỳ câu hỏi nào hoặc nếu tôi có thể giúp gì cho bạn. |
2 |
Người dùng: Viết chương trình Hello World trong VB.NET Trợ lý: Đây nhé: “`vbnet Người dùng: Làm cho nó lấy đầu vào từ $ và sau đó nói “Xin chào, $” thay vì “Xin chào, Thế giới!” |
Trợ lý: Mô-đun công khai HelloWorld Công khai phụ chính() System.Console.WriteLine(“Tên bạn là gì?”) Tên mờ dưới dạng String = System.Console.ReadLine() System.Console.WriteLine(“Xin chào,” & tên & “!”) End Sub Mô-đun kết thúc |
Trợ lý: “`vbnet Mô-đun công cộng HelloWorld Công khai phụ chính() Tên mờ là String = Console.ReadLine() Console.WriteLine(“Xin chào,” & tên) End Sub Mô-đun kết thúc |
Trợ lý: Chắc chắn rồi! Đây là một ví dụ: “`vbnet |
3 |
Người dùng: Cho tôi danh sách những việc cần làm khi bắt đầu dự án đào tạo một mô hình ngôn ngữ lớn có thể hiểu và trả lời các câu hỏi của con người Trợ lý: Các bước sau đây là danh sách cô đọng các bước cần thực hiện khi bắt đầu dự án đào tạo một mô hình ngôn ngữ lớn có khả năng hiểu và trả lời các câu hỏi của con người: 1. Thiết lập phạm vi và mục tiêu của dự án, đối tượng mục tiêu. Điều này sẽ cung cấp cho bạn ý tưởng cơ bản về các bước cần thiết. Tôi có nên đi vào chi tiết hơn về một trong những điểm không? Người dùng: Những nhiệm vụ này cần được chia nhỏ hơn nữa, bạn có thể vui lòng cung cấp danh sách việc cần làm được cập nhật với bảng phân tích chi tiết hơn về các nhiệm vụ phía trước không |
Trợ lý: Dưới đây là bảng phân tích chi tiết hơn về từng bước: 1. Thiết lập phạm vi và mục tiêu của dự án: Điều quan trọng là phải xác định rõ ràng mục tiêu của dự án và đối tượng mục tiêu là gì. Điều này sẽ giúp bạn đưa ra quyết định về loại dữ liệu cần thu thập và kiến trúc mô hình nào phù hợp. 2. Thu thập và tiền xử lý dữ liệu: Đây là bước quan trọng vì chất lượng và tính đa dạng của dữ liệu sẽ ảnh hưởng trực tiếp đến hiệu suất của mô hình. Quá trình tiền xử lý có thể liên quan đến việc làm sạch dữ liệu, mã hóa văn bản và chuyển đổi các từ thành biểu diễn số. 3. Chọn kiến trúc mô hình: Có nhiều loại mô hình khác nhau để lựa chọn, bao gồm mạng thần kinh tái phát (RNN), mô hình máy biến áp và mạng thần kinh tích chập (CNN). Sự lựa chọn sẽ phụ thuộc vào yêu cầu cụ thể của dự án và lượng dữ liệu có sẵn. 4. Chia tập dữ liệu và triển khai tăng cường dữ liệu: Việc chia dữ liệu thành các tập con huấn luyện, xác thực và kiểm tra là rất quan trọng để theo dõi hiệu suất của mô hình trong quá trình đào tạo. Tăng cường dữ liệu có thể được sử dụng để tăng kích thước của tập dữ liệu một cách giả tạo và cải thiện độ tin cậy của mô hình. 5. Huấn luyện mô hình và theo dõi tiến trình: Bước này bao gồm việc huấn luyện mô hình trên dữ liệu huấn luyện, sử dụng bộ xác thực để theo dõi tiến trình và điều chỉnh siêu tham số nếu cần. Có thể cần phải lặp lại quá trình này nhiều lần cho đến khi mô hình hoạt động tốt trên tập xác thực. 6. Đánh giá mô hình trên tập kiểm tra: Sau khi mô hình được huấn luyện, điều quan trọng là phải đánh giá hiệu suất của nó trên một tập kiểm tra riêng để có ý tưởng về khả năng khái quát hóa của nó. Điều này có thể được thực hiện bằng cách so sánh dự đoán của mô hình với kết quả thực tế và phân tích các lỗi. 7. Tinh chỉnh cho các nhiệm vụ hoặc miền cụ thể: Bước này bao gồm việc đào tạo thêm mô hình về dữ liệu dành riêng cho nhiệm vụ để cải thiện hiệu suất của nó cho một miền cụ thể. Điều này có thể được thực hiện thông qua học chuyển giao, trong đó mô hình được đào tạo trước được tinh chỉnh trên dữ liệu mới hoặc thông qua tinh chỉnh, trong đó mô hình được đào tạo từ đầu trên dữ liệu mới. 8. Tạo giao diện cho người dùng nhập: Điều này liên quan đến việc thiết kế giao diện cho phép người dùng nhập câu hỏi hoặc yêu cầu và nhận phản hồi từ mô hình. 9. Thử nghiệm trong môi trường được kiểm soát: Trước khi triển khai mô hình trong môi trường thực tế, điều quan trọng là phải thử nghiệm mô hình trong môi trường được kiểm soát và thu thập phản hồi từ người dùng. Điều này sẽ giúp xác định bất kỳ lỗi hoặc sai lệch nào trong mô hình và mang lại cơ hội cải tiến. 10. Liên tục theo dõi và cải thiện hiệu suất: Cuối cùng, điều quan trọng là phải liên tục theo dõi hiệu suất của mô hình và đưa ra các cập nhật, cải tiến khi cần thiết. Điều này có thể liên quan đến việc đào tạo lại mô hình về dữ liệu mới, tinh chỉnh siêu tham số hoặc cập nhật kiến trúc. |
Trợ lý: ## Danh sách việc cần làm để đào tạo Mô hình ngôn ngữ lớn để trả lời câu hỏi **1. Phạm vi và mục tiêu dự án:** * Xác định mục tiêu dự án và các chức năng mong muốn. **2. Thu thập & tiền xử lý dữ liệu:** * Xác định nguồn dữ liệu đào tạo và thu thập tập dữ liệu văn bản đa dạng. **3. Lựa chọn và cấu hình mẫu:** * Chọn kiến trúc mô hình phù hợp dựa trên độ phức tạp của nhiệm vụ và hiệu suất mong muốn. **4. Đánh giá đào tạo:** * Chia dữ liệu huấn luyện thành các tập con huấn luyện, xác nhận và kiểm tra. **5. Tinh chỉnh và phát triển giao diện:** * Tinh chỉnh mô hình cho các nhiệm vụ hoặc lĩnh vực cụ thể thông qua học chuyển giao. **6. Kiểm tra & Cải tiến:** * Kiểm tra mô hình trong môi trường được kiểm soát với nhiều kịch bản đầu vào khác nhau. **Cân nhắc bổ sung:** * Đặt thời gian và ngân sách cho dự án. **Lưu ý:** Danh sách này không đầy đủ và có thể cần được điều chỉnh dựa trên yêu cầu cụ thể của dự án. |
Trợ lý: Chắc chắn rồi, đây là bản phân tích chi tiết hơn về các nhiệm vụ liên quan đến việc đào tạo một mô hình ngôn ngữ lớn để hiểu và trả lời các câu hỏi của con người: **1. Thiết lập phạm vi và mục tiêu dự án** **2. Thu thập và xử lý trước Bộ dữ liệu văn bản toàn diện/đa dạng** **3. Chọn Kiến trúc mô hình phù hợp, Điều chỉnh siêu tham số để có độ chính xác/tốc độ** **4. Chia tập dữ liệu thành các tập con đào tạo, xác thực, kiểm tra, triển khai tăng cường dữ liệu** **5. Đào tạo mô hình, theo dõi tiến trình trên bộ xác thực, điều chỉnh khi cần** **6. Đánh giá mô hình trên tập kiểm tra, so sánh với điểm chuẩn, phân tích lỗi và thành kiến** **7. Tinh chỉnh cho các nhiệm vụ hoặc miền cụ thể thông qua học chuyển giao hoặc tinh chỉnh** **số 8. Tạo giao diện cho thông tin đầu vào của người dùng và phản hồi của mô hình** **9. Thử nghiệm trong môi trường được kiểm soát, thu thập phản hồi để cải thiện** **10. Liên tục theo dõi và cải thiện hiệu suất thông qua đào tạo lại và tinh chỉnh** Đây là các bước liên quan đến việc đào tạo một mô hình ngôn ngữ lớn để hiểu và trả lời các câu hỏi của con người. Xin vui lòng cho tôi biết nếu bạn có câu hỏi. |
Làm sạch
Sau khi bạn đã kiểm tra các điểm cuối, hãy xóa các điểm cuối suy luận SageMaker và mô hình để tránh phát sinh phí.
Kết luận
Trong bài đăng này, chúng tôi đã hướng dẫn bạn cách bắt đầu với Gemma trong SageMaker Studio và triển khai mô hình để suy luận. Chúng tôi cũng đã chỉ cho bạn cách tinh chỉnh các mô hình Gemma trên SageMaker Jumpstart.
Vì các mô hình nền tảng được đào tạo trước nên chúng có thể giúp giảm chi phí đào tạo và cơ sở hạ tầng, đồng thời cho phép tùy chỉnh cho trường hợp sử dụng của bạn. Hãy truy cập SageMaker JumpStart trong SageMaker Studio ngay bây giờ để bắt đầu.
Hướng dẫn này chỉ dành cho mục đích thông tin. Bạn vẫn nên thực hiện đánh giá độc lập của riêng mình và thực hiện các biện pháp để đảm bảo rằng bạn tuân thủ các tiêu chuẩn và thực tiễn kiểm soát chất lượng cụ thể của riêng mình cũng như các quy tắc, luật, quy định, giấy phép và điều khoản sử dụng của địa phương áp dụng cho bạn, nội dung của bạn và mô hình của bên thứ ba được tham chiếu trong hướng dẫn này. AWS không có quyền kiểm soát hoặc quyền đối với mô hình của bên thứ ba được tham chiếu trong hướng dẫn này và không đưa ra bất kỳ tuyên bố hay bảo đảm nào rằng mô hình của bên thứ ba là an toàn, không có vi-rút, hoạt động hoặc tương thích với các tiêu chuẩn và môi trường sản xuất của bạn. AWS không đưa ra bất kỳ tuyên bố, bảo đảm hoặc bảo đảm nào rằng bất kỳ thông tin nào trong hướng dẫn này sẽ dẫn đến một kết quả hoặc kết quả cụ thể.
Giới thiệu về tác giả
Tiến sĩ Kyle Ulrich là một nhà khoa học ứng dụng với Các thuật toán tích hợp sẵn của Amazon SageMaker đội. Lĩnh vực nghiên cứu của ông bao gồm các thuật toán học máy có thể mở rộng, thị giác máy tính, chuỗi thời gian, phi tham số Bayesian và quy trình Gaussian. Tiến sĩ của anh ấy đến từ Đại học Duke và anh ấy đã xuất bản các bài báo trên NeurIPS, Cell và Neuron.
Tiến sĩ Xin Huang là Nhà khoa học ứng dụng cấp cao cho Amazon SageMaker JumpStart và các thuật toán tích hợp sẵn của Amazon SageMaker. Anh ấy tập trung vào việc phát triển các thuật toán học máy có thể mở rộng. Mối quan tâm nghiên cứu của ông là trong lĩnh vực xử lý ngôn ngữ tự nhiên, học sâu có thể giải thích được trên dữ liệu dạng bảng và phân tích mạnh mẽ về phân cụm không-thời gian phi tham số. Ông đã xuất bản nhiều bài báo tại các hội nghị ACL, ICDM, KDD và Hiệp hội Thống kê Hoàng gia: Series A.
rachna chadha là Kiến trúc sư giải pháp chính AI/ML trong lĩnh vực Tài khoản chiến lược tại AWS. Rachna là một người lạc quan, tin rằng việc sử dụng AI có đạo đức và có trách nhiệm có thể cải thiện xã hội trong tương lai và mang lại sự thịnh vượng về kinh tế và xã hội. Khi rảnh rỗi, Rachna thích dành thời gian cho gia đình, đi bộ đường dài và nghe nhạc.
Evan Kravitz là kỹ sư phần mềm tại Amazon Web Services, làm việc trên SageMaker JumpStart. Anh ấy thích nấu ăn và tiếp tục chạy ở thành phố New York.
Tiến sĩ Ashish Khetan là Nhà khoa học ứng dụng cấp cao với các thuật toán tích hợp Amazon SageMaker và giúp phát triển các thuật toán máy học. Ông lấy bằng Tiến sĩ tại Đại học Illinois Urbana-Champaign. Ông là một nhà nghiên cứu tích cực về học máy và suy luận thống kê, đồng thời đã xuất bản nhiều bài báo tại các hội nghị NeurIPS, ICML, ICLR, JMLR, ACL và EMNLP.
- Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
- PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
- PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
- Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
- PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
- nguồn: https://aws.amazon.com/blogs/machine-learning/gemma-is-now-available-in-amazon-sagemaker-jumpstart/
- : có
- :là
- :không phải
- :Ở đâu
- $ LÊN
- 1
- 10
- 100
- 11
- 13
- 135
- 17
- 19
- 1900
- 250
- 28
- 29
- 31
- 39
- 41
- 50
- 7
- 8
- 9
- a
- có khả năng
- Giới thiệu
- ở trên
- Chấp nhận
- truy cập
- khả năng tiếp cận
- Tài khoản
- Trợ Lý Giám Đốc
- tích lũy
- chính xác
- chính xác
- có thể đạt được
- Đạt được
- mua lại
- ngang qua
- hành động
- hoạt động
- thực tế
- thích ứng
- Ngoài ra
- Ngoài ra
- điều chỉnh
- tiên tiến
- tiến bộ
- Sau
- chống lại
- Đại lý
- AI
- AI / ML
- máy bay
- thuật toán
- người ngoài hành tinh
- Tất cả
- cho phép
- cho phép
- cho phép
- dọc theo
- Ngoài ra
- thay thế
- đàn bà gan dạ
- Amazon SageMaker
- Khởi động Amazon SageMaker
- Amazon Web Services
- số lượng
- an
- phân tích
- phân tích
- phân tích
- phân tích
- và
- và cơ sở hạ tầng
- Andromeda
- Angeles
- Thông báo
- trả lời
- trả lời
- câu trả lời
- bất kì
- bất cứ điều gì
- api
- ứng dụng
- các ứng dụng
- áp dụng
- Đăng Nhập
- phương pháp tiếp cận
- cách tiếp cận
- thích hợp
- ứng dụng
- kiến trúc
- LÀ
- KHU VỰC
- khu vực
- đối số
- xung quanh
- Nghệ thuật
- bài viết
- nhân tạo
- trí tuệ nhân tạo
- AS
- xin
- thẩm định, lượng định, đánh giá
- Trợ lý
- nhà du hành vũ trụ
- At
- khán giả
- ủy quyền
- Tự động
- có sẵn
- tránh
- từng đoạt giải thưởng
- AWS
- Bảng điều khiển quản lý AWS
- trở lại
- cân bằng
- cơ sở
- dựa
- cơ bản
- trạm trộn
- Bayesian
- BE
- bởi vì
- trước
- bắt đầu
- sau
- được
- niềm tin
- tin
- phía dưới
- điểm chuẩn
- Điểm chuẩn
- hưởng lợi
- ngoài ra
- BEST
- Hơn
- giữa
- thiên vị
- thành kiến
- Tỷ
- tỷ
- LƯỠI
- Chặn
- Blog
- blog
- Hoa
- thân hình
- cuốn sách
- Sách
- Breakdown
- rực rỡ
- mang lại
- Đưa
- Mang lại
- Bị phá vỡ
- ngân sách
- xây dựng
- Xây dựng
- xây dựng
- được xây dựng trong
- nhưng
- nút
- by
- lịch
- cuộc gọi
- gọi là
- CAN
- không thể
- vải
- khả năng
- có khả năng
- thẻ
- trường hợp
- trường hợp
- Phân loại
- thận trọng
- pin
- thách thức
- thách thức
- thay đổi
- đặc điểm
- tải
- trò chuyện trên mạng
- Séc
- sự lựa chọn
- lựa chọn
- Chọn
- City
- Nền văn minh
- tốt nghiệp lớp XNUMX
- cổ điển
- giống cá lăng
- Làm sạch
- Rõ ràng
- Nhấp chuột
- câu lạc bộ
- tập hợp
- mã
- Lập trình
- hợp tác
- đến
- thông thường
- so sánh
- so
- so sánh
- sự so sánh
- tương thích
- hoàn thành
- phức tạp
- phức tạp
- tuân theo
- máy tính
- Tầm nhìn máy tính
- khái niệm
- khái niệm
- đồng thời
- hội nghị
- Cấu hình
- xung đột
- Hậu quả
- Hãy xem xét
- sự cân nhắc
- xem xét
- nhất quán
- bao gồm
- An ủi
- không thay đổi
- khó khăn
- liên lạc
- chứa
- Container
- chứa
- tranh giành
- nội dung
- bối cảnh
- liên tục
- điều khiển
- kiểm soát
- Conversation
- đàm thoại
- cuộc hội thoại
- chuyển đổi
- chuyển đổi
- Mát mẻ
- đúng
- Chi phí
- có thể
- tạo
- Tạo
- Sáng tạo
- yaratıcı
- ô chữ
- lưu trữ
- tò mò
- Current
- khách hàng
- tùy biến
- tiền thưởng
- nhảy
- tối
- dữ liệu
- bộ dữ liệu
- ngày
- quyết định
- sâu
- học kĩ càng
- sâu sắc hơn
- Deepmind
- Mặc định
- định nghĩa
- Xác định
- đào sâu
- đào sâu
- trình diễn
- phụ thuộc
- triển khai
- triển khai
- triển khai
- triển khai
- SA MẠC
- Thiết kế
- thiết kế
- mong muốn
- chi tiết
- chi tiết
- chi tiết
- Xác định
- phát triển
- phát triển
- Nhà phát triển
- phát triển
- Phát triển
- thiết bị
- chẩn đoán
- Đối thoại
- khác nhau
- sự khác biệt
- khác nhau
- kỹ thuật số
- Nghệ thuật kỹ thuật số
- trực tiếp
- thư mục
- khám phá
- thảo luận
- thảo luận
- bệnh
- bổ nhào
- khác nhau
- SỰ ĐA DẠNG
- phân chia
- do
- tài liệu
- phim tài liệu
- làm
- miền
- lĩnh vực
- thực hiện
- xuống
- tải về
- hai
- Duke
- đại học công tước
- suốt trong
- Bụi bẩn
- bác sĩ da liễu
- mỗi
- trái đất
- dễ dàng hơn
- hiệu quả
- tám
- Empire
- cho phép
- cho phép
- cho phép
- gặp gỡ
- khuyến khích
- Cuối cùng đến cuối
- Điểm cuối
- tương tác
- ky sư
- Nâng cao
- thưởng thức
- thú vị
- đảm bảo
- Môi trường
- EPIC
- lỗi
- thiết yếu
- thành lập
- đạo đức
- đánh giá
- đánh giá
- đánh giá
- cuối cùng
- Mỗi
- ví dụ
- ví dụ
- kích thích
- toàn diện
- triển lãm
- sự tồn tại
- hiện tại
- Mở rộng
- dự kiến
- đắt tiền
- kinh nghiệm
- thử nghiệm
- các chuyên gia
- khám phá
- khám phá
- Khám phá
- Đối mặt
- công bằng
- sai
- gia đình
- nhanh hơn
- Đặc tính
- thông tin phản hồi
- Đôi chân
- vài
- lĩnh vực
- chiến đấu
- Tập tin
- Cuối cùng
- Tìm kiếm
- phát hiện
- cuối
- Tên
- Sự tiếp xúc đầu tiên
- phù hợp với
- năm
- Đèn flash
- chuyến bay
- tập trung
- tiếp theo
- sau
- Trong
- mãi mãi
- định dạng
- Nền tảng
- Khung
- thẳng thắn
- từ
- chức năng
- chức năng
- chức năng
- hoạt động
- xa hơn
- tương lai
- tương lai
- Trò chơi
- thu thập
- Gemini
- tạo ra
- thế hệ
- Trí tuệ nhân tạo
- thể loại
- thể loại
- được
- GitHub
- Cho
- được
- Go
- Các mục tiêu
- đi
- tốt
- có
- GPU
- ân sủng
- dần dần
- tuyệt vời
- sức mạnh to lớn
- Nhóm
- bảo đảm
- Lực lượng Cảnh sát
- hướng dẫn
- hướng dẫn
- hướng dẫn
- tay
- khai thác
- Có
- he
- cao
- xin chào
- giúp đỡ
- giúp
- cô
- tại đây
- Thành viên ẩn danh
- của mình
- lịch sử
- mong
- tổ chức
- Độ đáng tin của
- Hướng dẫn
- Tuy nhiên
- HTML
- HTTPS
- Hub
- trung tâm
- ÔmKhuôn Mặt
- Nhân loại
- Nhân loại
- Con người
- i
- ID
- ý tưởng
- xác định
- if
- Illinois
- hình ảnh
- Va chạm
- thực hiện
- thực hiện
- nhập khẩu
- quan trọng
- nâng cao
- cải thiện
- cải tiến
- cải thiện
- in
- bao gồm
- Bao gồm
- kết hợp
- Tăng lên
- độc lập
- ngành công nghiệp
- tiêu chuẩn công nghiệp
- ảnh hưởng
- thông tin
- Thông tin
- Cơ sở hạ tầng
- ngây thơ
- sự đổi mới
- đầu vào
- đầu vào
- Yêu cầu
- những hiểu biết
- lấy cảm hứng từ
- ví dụ
- thay vì
- tích hợp
- tích hợp
- Sự thông minh
- ý định
- tương tác
- lợi ích
- Giao thức
- ngã tư
- trong
- giới thiệu
- trực quan
- liên quan
- tham gia
- liên quan đến
- IT
- mặt hàng
- ITS
- biệt ngữ
- tham gia
- tạp chí
- cuộc hành trình
- jpg
- json
- chỉ
- Giữ
- Loại
- Biết
- kiến thức
- nổi tiếng
- kyle
- hạ cánh
- cảnh quan
- Ngôn ngữ
- lớn
- lớn hơn
- Độ trễ
- phát động
- Luật
- hàng đầu
- LEARN
- học tập
- học
- để lại
- Chiều dài
- cho phép
- Cấp
- Tỉ lệ đòn bẩy
- Giấy phép
- giấy phép
- Cuộc sống
- sét
- Tốc độ ánh sáng
- trọng lượng nhẹ
- Lượt thích
- Lượt thích
- Dòng
- dòng
- Danh sách
- nghe
- Listening
- lắng nghe
- Loài đà mã ở nam mỹ
- tải
- địa phương
- địa điểm thư viện nào
- Xem
- tìm kiếm
- NHÌN
- các
- Los Angeles
- thấp hơn
- máy
- học máy
- Đa số
- làm cho
- độc hại
- quản lý
- thủ công
- nhiều
- dấu
- mars
- toán học
- tối đa
- Có thể..
- me
- có nghĩa là
- ý nghĩa
- các biện pháp
- Phương tiện truyền thông
- y học
- cuộc họp
- đề cập
- tin nhắn
- tin nhắn
- phương pháp
- Michael
- Might
- tâm
- Phút
- ML
- kiểu mẫu
- mô hình
- Mô-đun
- Màn Hình
- giám sát
- chi tiết
- hầu hết
- Phim Điện Ảnh
- Âm nhạc
- phải
- my
- bí ẩn
- tên
- Được đặt theo tên
- Tự nhiên
- Xử lý ngôn ngữ tự nhiên
- Thiên nhiên
- cần thiết
- Cần
- cần thiết
- nhu cầu
- mạng
- thần kinh
- mạng thần kinh
- không bao giờ
- Mới
- Newyork
- thành phố new york
- đêm
- Không
- ghi
- máy tính xách tay
- tiểu thuyết
- tại
- con số
- Oasis
- vật
- mục tiêu
- tuân theo
- of
- Cung cấp
- thường
- on
- hàng loạt
- ONE
- đang diễn ra
- có thể
- hoạt động
- Cơ hội
- tối ưu hóa
- Tối ưu hóa
- Các lựa chọn
- or
- gọi món
- nguồn gốc
- OS
- Nền tảng khác
- Khác
- ra
- Kết quả
- kết quả
- đầu ra
- kết thúc
- riêng
- trang
- giấy tờ
- Song song
- tham số
- thông số
- riêng
- đặc biệt
- các bên tham gia
- vượt qua
- Đi qua
- qua
- con đường
- mô hình
- paul
- người
- mỗi
- Thực hiện
- hiệu suất
- biểu diễn
- thực hiện
- riêng
- quan điểm
- Bằng tiến sĩ
- cụm từ
- nhà vật lý
- phi công
- Nơi
- hành tinh
- kế hoạch
- plato
- Thông tin dữ liệu Plato
- PlatoDữ liệu
- Play
- máy nghe nhạc
- xin vui lòng
- Điểm
- điểm
- chính trị
- Phổ biến
- dân số
- Bài đăng
- tiềm năng
- quyền lực
- thực hành
- thực hành
- Dự đoán
- Predictor
- ưu đãi
- chuẩn bị
- khá
- trước đây
- hoàng tử
- Hiệu trưởng
- in
- quá trình
- Xử lý
- Quy trình
- xử lý
- Sản lượng
- chương trình
- Tiến độ
- dự án
- nhắc nhở
- đúng
- sự thịnh vượng
- cho
- nhà cung cấp
- cung cấp
- công khai
- công khai
- công bố
- mục đích
- Câu đố
- Python
- ngọn đuốc
- chất lượng
- truy vấn
- truy vấn
- nhiệm vụ
- câu hỏi
- Câu hỏi
- Mau
- khá
- Cuộc đua
- sự phân chia
- phạm vi
- hơn
- Nguyên
- đạt
- Đọc
- Reading
- thế giới thực
- Thực tế
- có thật không
- vương quốc
- lý do
- nhận
- gần đây
- Khuyến nghị
- khuyến nghị
- đề nghị
- lặp lại
- tài liệu tham khảo
- tham khảo
- phản ánh
- thường xuyên
- quy định
- liên quan
- phát hành
- có liên quan
- nhớ
- lặp lại
- đại diện
- yêu cầu
- cần phải
- Yêu cầu
- nghiên cứu
- nhà nghiên cứu
- Trả lời
- đáp ứng
- phản ứng
- phản ứng
- trách nhiệm
- chịu trách nhiệm
- kết quả
- Kết quả
- xem xét
- Khen thưởng
- Tăng lên
- mạnh mẽ
- sự mạnh mẽ
- Vai trò
- thường xuyên
- hoàng gia
- quy tắc
- chạy
- chạy
- s
- an toàn hơn
- nhà làm hiền triết
- Suy luận của SageMaker
- tương tự
- Lưu
- nói
- khả năng mở rộng
- Quy mô
- quy mô
- mở rộng quy mô
- kịch bản
- khoa học viễn tưởng
- Khoa học
- Nhà khoa học
- các nhà khoa học
- phạm vi
- xước
- kịch bản
- kịch bản
- sdk
- liền mạch
- tìm kiếm
- Thứ hai
- bí mật
- Phần
- an toàn
- xem
- chọn
- chọn
- lựa chọn
- lựa chọn
- gửi
- cao cấp
- riêng biệt
- Trình tự
- Loạt Sách
- Dòng A
- DỊCH VỤ
- phục vụ
- Phiên
- định
- bộ
- thiết lập
- một số
- chia sẻ
- nên
- hiển thị
- cho thấy
- hiển thị
- thể hiện
- Chương trình
- bên
- tương tự
- Đơn giản
- duy nhất
- Kích thước máy
- kích thước
- kỹ năng
- So
- Mạng xã hội
- Xã hội
- Phần mềm
- Kỹ sư phần mềm
- giải pháp
- Giải pháp
- một số
- nguồn
- Sparks
- riêng
- tốc độ
- Chi
- chi tiêu
- đứng
- tiêu chuẩn
- bắt đầu
- Bắt đầu
- Tiểu bang
- nhà nước-of-the-art
- Tuyên bố
- thống kê
- Bước
- Các bước
- Vẫn còn
- Những câu chuyện
- bão
- Câu chuyện
- lạ
- Chiến lược
- chiến lược
- Chuỗi
- mạnh mẽ
- phòng thu
- Học tập
- đăng ký
- phụ đề
- thành công
- như vậy
- phù hợp
- hỗ trợ
- Hỗ trợ
- Hỗ trợ
- Hỗ trợ
- chắc chắn
- tồn tại
- hệ thống
- bàn
- Hãy
- mất
- câu chuyện
- Mục tiêu
- mục tiêu
- Nhiệm vụ
- nhiệm vụ
- nhóm
- đội
- kỹ thuật
- kỹ thuật
- Công nghệ
- mẫu
- mẫu
- tensorflow
- về
- thử nghiệm
- thử nghiệm
- Kiểm tra
- văn bản
- hơn
- việc này
- Sản phẩm
- Khu vực
- Tương lai
- thế giới
- cung cấp their dịch
- Them
- tự
- sau đó
- Đó
- vì thế
- Kia là
- họ
- Thứ ba
- các bên thứ ba
- của bên thứ ba
- điều này
- những
- nghĩ
- kích thích tư duy
- nghìn
- kịch tính
- Thông qua
- thông lượng
- thời gian
- Chuỗi thời gian
- du hành thời gian
- timeline
- thời gian
- đến
- mã thông báo
- token hóa
- Tokens
- nói với
- công cụ
- công cụ
- chủ đề
- Tổng số:
- theo dõi
- truyền thống
- Train
- đào tạo
- Hội thảo
- chuyển
- Chuyển nhượng
- biến áp
- Dịch
- đi du lịch
- Nghìn tỷ
- đúng
- thử
- điều chỉnh
- điều chỉnh
- điều chỉnh
- tv
- hai
- kiểu
- loại
- điển hình
- thường
- ui
- Cuối cùng
- khám phá
- Dưới
- hiểu
- sự hiểu biết
- không quen
- Vũ trụ
- trường đại học
- vô đối
- cho đến khi
- hé lộ
- cập nhật
- Cập nhật
- cập nhật
- us
- khả năng sử dụng
- Sử dụng
- sử dụng
- ca sử dụng
- đã sử dụng
- người sử dang
- sử dụng
- Người sử dụng
- sử dụng
- sử dụng
- xác nhận
- Các giá trị
- nhiều
- khác nhau
- liên doanh
- phiên bản
- Xem
- ảo
- thực tế ảo
- tầm nhìn
- Truy cập
- trực quan
- phương tiện nghe nhìn
- khối lượng
- đi bộ
- muốn
- bảo hành
- là
- Đồng hồ đeo tay
- xem
- Đường..
- cách
- we
- web
- các dịch vụ web
- Dựa trên web
- tuần
- TỐT
- Wells
- Điều gì
- Là gì
- khi nào
- bất cứ khi nào
- liệu
- cái nào
- CHÚNG TÔI LÀ
- rộng
- rộng rãi
- phụ tùng
- sẽ
- sự khôn ngoan
- với
- ở trong
- không có
- Từ
- từ
- Công việc
- quy trình làm việc
- đang làm việc
- thế giới
- viết
- viết
- X
- york
- Bạn
- trẻ
- trên màn hình
- mình
- zephyrnet