亚马逊SageMaker Studio 为机器学习 (ML) 开发提供了一套广泛的完全托管的集成开发环境 (IDE),包括 JupyterLab、基于 Code-OSS(Visual Studio Code 开源)的代码编辑器和 RStudio。 它为 ML 开发的每个步骤(从准备数据到构建、训练、部署和管理 ML 模型)提供了最全面的工具集。 您可以在几秒钟内启动带有预配置 SageMaker Distribution 的完全托管的 JuptyerLab,以处理您的笔记本、代码和数据。 SageMaker Studio 灵活且可扩展的界面使您可以轻松配置和安排 ML 工作流程,并且您可以使用 AI 驱动的内联编码伴侣快速编写、调试、解释和测试代码。
在这篇文章中,我们将仔细研究更新后的 SageMaker Studio 及其 JupyterLab IDE,旨在提高 ML 开发人员的工作效率。 我们介绍了 Spaces 的概念,并解释了 JupyterLab Spaces 如何实现计算、存储和运行时资源的灵活定制,以提高 ML 工作流程效率。 我们还讨论了在 JupyterLab 中向本地化执行模型的转变,从而带来更快、更稳定和响应灵敏的编码体验。 此外,我们还介绍了生成式人工智能工具的无缝集成,例如 亚马逊 CodeWhisperer SageMaker Studio JupyterLab Spaces 中的 Jupyter AI,展示了它们如何帮助开发人员使用 AI 进行编码协助和创新问题解决。
介绍 SageMaker Studio 中的空间
新的 SageMaker Studio 基于 Web 的界面 充当指挥中心,用于启动您首选的 IDE 并访问您的 亚马逊SageMaker 用于构建、训练、调整和部署模型的工具。 除了 JupyterLab 和 RStudio 之外,SageMaker Studio 现在还包括基于 Code-OSS(Visual Studio Code 开源)的完全托管代码编辑器。 JupyterLab 和代码编辑器都可以使用称为 Spaces 的灵活工作区启动。
空间是 SageMaker IDE(例如 JupyterLab 或代码编辑器)的配置表示形式,旨在无论与空间关联的应用程序 (IDE) 是否正在主动运行,都将持续存在。 空间表示计算实例、存储和其他运行时配置的组合。 借助 Spaces,您可以随时创建和扩展 IDE 的计算和存储、自定义运行时环境以及随时随地暂停和恢复编码。 您可以启动多个此类空间,每个空间都配置有不同的计算、存储和运行时组合。
创建 Space 时,它会配备 Amazon Elastic Block商店 (亚马逊EBS) 体积,用于存储用户的文件、数据、缓存和其他工件。 每当空间运行时,它都会附加到 ML 计算实例。 EBS 卷可确保每当空间重新启动时,用户文件、数据、缓存和会话状态都能一致地恢复。 重要的是,无论空间处于运行状态还是停止状态,此 EBS 卷都保持持久状态。 它将继续存在,直到空间被删除。
此外,我们还为希望跨不同空间、用户甚至域共享环境和工件的用户引入了自带文件系统功能。 这使您可以选择为您的空间配备您自己的 亚马逊弹性文件系统 (Amazon EFS) 挂载,促进跨不同工作区共享资源。
创造空间
创建和启动新空间现在既快速又简单。 只需几秒钟即可设置一个具有快速启动实例的新空间,并且运行一个空间的时间不到 60 秒。 空间配备了预定义的计算和存储设置,由管理员管理。 SageMaker Studio 管理员可以为计算、存储和运行时配置建立域级预设。 此设置使您能够以最少的努力快速启动新空间,只需点击几下。 您还可以选择修改空间的计算、存储或运行时配置以进行进一步自定义。
请务必注意,创建空间需要使用如下例所示的策略更新 SageMaker 域执行角色。 您需要向用户授予私人空间的权限以及访问这些私人空间所需的用户个人资料。 详细说明请参考 让您的用户访问私人空间.
要创建空间,请完成以下步骤:
- 在 SageMaker Studio 中,选择 Jupyter实验室 在 应用领域 菜单。
- 创建 JupyterLab 空间.
- 针对 名字,输入您的空间的名称。
- 创造空间.
- 运行空间 使用默认预设启动新空间或根据您的要求更新配置。
重新配置空间
空间专为用户根据需要在不同计算类型之间无缝转换而设计。 您可以首先创建具有特定配置的新空间,主要由计算和存储组成。 如果您需要在工作流程中的任何时刻切换到具有更高或更低 vCPU 数量、更多或更少内存或基于 GPU 的实例的不同计算类型,您可以轻松实现。 停止 Space 后,您可以使用 UI 或 API 通过更新的 SageMaker Studio 界面,然后重新启动 Space。 SageMaker Studio 会自动将现有空间配置为新配置,无需您付出额外的努力。
完成以下步骤来编辑现有空间:
- 在空间详情页面,选择 停止空间.
- 重新配置计算、存储或运行时。
- 运行空间 重新启动该空间。
您的工作区将使用您请求的新存储和计算实例类型进行更新。
新的 SageMaker Studio JupyterLab 架构
SageMaker Studio 团队发布了新的完全托管的 SageMaker Studio JupyterLab 体验,继续发明和简化其开发人员体验。 新的 SageMaker Studio JupyterLab 体验结合了两全其美的优点:可扩展性和灵活性 SageMaker Studio 经典版 (参见本文末尾的附录)开源 JupyterLab 的稳定性和熟悉度。 为了掌握这种新的 JupyterLab 体验的设计,让我们深入研究以下架构图。 这将帮助我们更好地了解这个新的 JupyterLab Spaces 平台的集成和功能。
总而言之,我们已经转向本地化架构。 在这个新设置中,Jupyter 服务器和内核进程在托管于同一个 ML 计算实例上的单个 Docker 容器中并行运行。 这些 ML 实例在空间运行时进行配置,并与最初创建空间时创建的 EBS 卷链接。
这种新架构带来了几个好处: 我们将在以下各节中讨论其中的一些内容。
减少延迟并提高稳定性
SageMaker Studio 已转变为本地运行模型,摆脱了之前的拆分模型,即代码存储在 EFS 安装上并通过远程内核网关在 ML 实例上远程运行。 在早期的设置中,内核网关(一种无头 Web 服务器)通过 HTTPS/WSS 与 Jupyter 内核进行远程通信来启用内核操作。 运行代码、管理笔记本或运行终端命令等用户操作由远程 ML 实例上的内核网关应用程序处理,内核网关通过 Docker 容器内的 ZeroMQ (ZMQ) 促进这些操作。 下图说明了这种架构。
更新后的 JupyterLab 架构直接在本地实例上运行所有内核操作。 这种本地 Jupyter 服务器方法通常提供改进的性能和简单的架构。 它最大限度地减少延迟和网络复杂性,简化架构以方便调试和维护,提高资源利用率,并为各种复杂的工作负载提供更灵活的消息传递模式。
从本质上讲,此升级使正在运行的笔记本和代码更接近内核,从而显着减少延迟并提高稳定性。
改进对配置存储的控制
SageMaker Studio Classic 最初使用 Amazon EFS 为 SageMaker Studio 环境中的用户主目录提供持久的共享文件存储。 此设置使您能够集中存储笔记本、脚本和其他项目文件,以便在所有 SageMaker Studio 会话和实例中进行访问。
通过 SageMaker Studio 的最新更新,从基于 Amazon EFS 的存储转变为基于 Amazon EBS 的解决方案。 使用 SageMaker Studio Spaces 配置的 EBS 卷是 GP3 卷 旨在提供 3,000 IOPS 的一致基准性能,与卷大小无关。 这种新的 Amazon EBS 存储为模型训练、数据处理、高性能计算和数据可视化等 I/O 密集型任务提供更高的性能。 这一转变还使 SageMaker Studio 管理员能够更深入地了解和控制域内或跨 SageMaker 的用户配置文件的存储使用情况。 您现在可以设置默认值(DefaultEbsVolumeSizeInGb
) 和最大值 (MaximumEbsVolumeSizeInGb
)每个用户配置文件中 JupyterLab 空间的存储大小。
除了提高性能之外,您还可以使用 SageMaker Studio 界面中的 UI 或 API 操作编辑 Space 设置,从而灵活调整附加到 Space 的 ML 计算实例的存储卷的大小,而无需任何管理操作。 但是,请注意,您只能在一个方向上编辑 EBS 卷大小 - 增加空间的 EBS 卷大小后,您将无法将其降低。
SageMaker Studio 现在为管理员提供对预置存储的更高控制:
- SageMaker Studio 管理员可以管理用户配置文件的 EBS 卷大小。 这些 JupyterLab EBS 卷的大小从最小 5 GB 到最大 16 TB 不等。 以下代码片段展示了如何使用默认和最大空间设置创建或更新用户配置文件:
- SageMaker Studio 现在为 Amazon EBS 资源提供增强的自动标记功能,使用域、用户和空间信息自动标记用户创建的卷。 这一进步简化了存储资源的成本分配分析,帮助管理员更有效地管理和分配成本。 还需要注意的是,这些 EBS 卷托管在服务帐户内,因此您无法直接查看。 尽管如此,存储使用情况和相关成本直接链接到域 ARN、用户配置文件 ARN 和空间 ARN,从而促进直接的成本分配。
- 管理员还可以使用客户管理密钥 (CMK) 控制空间 EBS 卷的静态加密。
带有自带 EFS 文件系统的共享租赁
机器学习工作流程通常是协作的,需要在团队成员之间有效共享数据和代码。 新的 SageMaker Studio 增强了协作方面的功能,使您能够通过共享平台共享数据、代码和其他工件。 自带 EFS 文件系统。 该 EFS 驱动器可以独立于 SageMaker 进行设置,也可以是现有的 Amazon EFS 资源。 配置后,它可以无缝安装到 SageMaker Studio 用户配置文件中。 此功能不限于单个域内的用户配置文件,它可以跨域扩展,只要它们位于同一区域内即可。
以下示例代码向您展示了如何创建域并使用其关联的现有 EFS 卷将其附加到该域 fs-id
。 EFS 卷可以附加到根或前缀级别的域,如以下命令所示:
当 EFS 挂载在域及其相关用户配置文件中可用时,您可以选择将其附加到新空间。 这可以使用 SageMaker Studio UI 或 API 操作来完成,如以下示例所示。 请务必注意,当使用在域级别配置的 EFS 文件系统创建空间时,该空间将继承其属性。 这意味着,如果在域内的根或前缀级别配置文件系统,这些设置将自动应用于域用户创建的空间。
将其安装到空间后,您可以找到位于管理员配置的安装点上方的所有文件。 这些文件可以在目录路径中找到 /mnt/custom-file-system/efs/fs-12345678
.
EFS 安装可以轻松地在用户空间之间、多个用户之间或跨域之间共享工件,使其成为协作工作负载的理想选择。 使用此功能,您可以执行以下操作:
- 共享数据 – EFS 安装非常适合存储对数据科学实验至关重要的大型数据集。 数据集所有者可以向这些安装加载训练、验证和测试数据集,使域内或跨多个域的用户配置文件可以访问它们。 SageMaker Studio 管理员还可以集成现有应用程序 EFS 安装,同时保持对组织安全策略的合规性。 这是通过灵活的前缀级安装来完成的。 例如,如果生产和测试数据存储在同一个 EFS 挂载上(例如
fs-12345678:/data/prod and fs-12345678:/data/test
), 安装/data/test
SageMaker 域的用户配置文件仅授予用户访问测试数据集的权限。 此设置允许进行分析或模型训练,同时保持生产数据的安全和不可访问。 - 分享代码 – EFS 安装有助于在用户配置文件之间快速共享代码工件。 在用户需要快速共享代码示例或在公共代码库上进行协作而无需频繁使用 git Push/Pull 命令的复杂性的场景中,共享 EFS 挂载非常有用。 它们提供了一种在 SageMaker Studio 中的团队内或不同团队之间共享正在进行的代码工件的便捷方法。
- 共享开发环境 – 共享 EFS 安装还可以作为在用户和团队之间快速传播沙箱环境的一种手段。 EFS 挂载为跨多个工作区共享 Python 环境(例如 conda 或 virtualenv)提供了可靠的替代方案。 这种方法避免了分发的需要
requirements.txt
orenvironment.yml
文件,这通常会导致跨不同用户配置文件创建或重新创建环境的重复任务。
这些功能显着增强了 SageMaker Studio 内的协作功能,使团队能够轻松高效地协作处理复杂的 ML 项目。 此外,基于 Code-OSS(Visual Studio Code 开源)的代码编辑器与上述 JupyterLab 体验具有相同的架构原理。这种一致性带来了多种优势,例如减少延迟、增强稳定性和改进管理控制,并使用户能够访问共享工作区,类似于 JupyterLab Spaces 中提供的工作区。
JupyterLab Spaces 上的生成式人工智能工具
生成式人工智能是人工智能中一个快速发展的领域,它使用算法从大量现有数据中创建文本、图像和代码等新内容。 这项技术通过自动化日常任务、生成复杂的代码结构和提供智能建议彻底改变了编码,从而简化了开发并培养了编程中的创造力和解决问题的能力。 作为开发者不可或缺的工具,生成式人工智能可以提高生产力并推动科技行业的创新。 SageMaker Studio 通过 Amazon CodeWhisperer 和 Jupyter AI 等预装工具增强了开发人员体验,并使用生成式 AI 来加速开发生命周期。
亚马逊 CodeWhisperer
Amazon CodeWhisperer 是一款编程助手,可通过实时代码建议和解决方案提高开发人员的工作效率。 作为一项 AWS 托管 AI 服务,它无缝集成到 SageMaker Studio JupyterLab IDE 中。 这种集成使 Amazon CodeWhisperer 成为开发人员工作流程中流畅且有价值的补充。
Amazon CodeWhisperer 擅长通过自动执行常见编码任务、建议更有效的编码模式以及减少调试时间来提高开发人员效率。 它是初学者和经验丰富的编码人员的必备工具,可以提供最佳实践的见解、加速开发过程并提高代码的整体质量。 要开始使用 Amazon CodeWhisperer,请确保 恢复自动建议 功能已激活。 您可以使用手动调用代码建议 键盘快捷键.
或者,写一条注释来描述您想要的代码功能并开始编码; Amazon CodeWhisperer 将开始提供建议。
请注意,虽然 Amazon CodeWhisperer 已预安装,但您必须拥有 codewhisperer:GenerateRecommendations
权限作为执行角色的一部分来接收代码建议。 有关更多详细信息,请参阅 将 CodeWhisperer 与 Amazon SageMaker Studio 结合使用。 当您使用 Amazon CodeWhisperer 时,出于改进服务的目的,AWS 可能会存储有关您的使用情况和内容的数据。 选择退出 Amazon CodeWhisperer 数据共享政策,您可以导航至 设置 顶部菜单中的选项,然后导航至 设置编辑器 并禁用 与 Amazon CodeWhisperer 共享使用数据 从 Amazon CodeWhisperer 设置菜单。
木星人工智能
木星人工智能 是一款开源工具,可将生成式 AI 引入 Jupyter 笔记本,为探索生成式 AI 模型提供强大且用户友好的平台。 它通过提供 %%ai magic 等功能来提高 JupyterLab 和 Jupyter Notebooks 的工作效率,这些功能用于在笔记本内创建生成式 AI 游乐场、JupyterLab 中用于作为对话助手与 AI 交互的本机聊天 UI,以及对多种大语言的支持模型 (LLM) 提供商,例如 AI21、Anthropic、Cohere 和 Hugging Face 或托管服务,例如 亚马逊基岩 和 SageMaker 端点。 这种集成为数据分析、机器学习和编码任务提供了更高效和创新的方法。 例如,您可以使用 Jupyternaut 聊天界面与领域感知的 LLM 进行交互,以获取流程和工作流程方面的帮助,或通过托管在 SageMaker 端点上的 CodeLlama 生成示例代码。 这使其成为开发人员和数据科学家的宝贵工具。
Jupyter AI 提供了 广泛的选择 开箱即用的语言模型。 此外,还通过 SageMaker 端点支持自定义模型,为用户提供灵活性和广泛的选项。 它还提供对嵌入模型的支持,使您能够执行内联比较和测试,甚至构建或测试临时检索增强生成 (RAG) 应用程序。
Jupyter AI 可以充当您的聊天助手,帮助您提供代码示例、为您提供问题的答案等等。
您可以使用 Jupyter AI %%ai
Magic 在笔记本中生成示例代码,如下面的屏幕截图所示。
木星实验室 4.0
JupyterLab团队发布了4.0版本,在性能、功能和用户体验方面都有显着改进。 有关此版本的详细信息,请参阅官方 JupyterLab文档.
该版本现已成为 SageMaker Studio JupyterLab 的标准版本,由于 CSS 规则优化等改进以及 CodeMirror 6 和 MathJax 3 的采用,引入了处理大型笔记本的优化性能和更快的操作。主要增强功能包括升级的文本编辑器,具有更好的可访问性和自定义功能,一个新的扩展管理器,可轻松安装Python扩展,并通过高级功能改进了文档搜索功能。 此外,4.0 版本还带来了 UI 改进、辅助功能增强和开发工具更新,并且某些功能已向后移植到 JupyterLab 3.6。
结论
SageMaker Studio 的进步,特别是新的 JupyterLab 体验,标志着 ML 开发的重大飞跃。 更新后的 SageMaker Studio UI 集成了 JupyterLab、代码编辑器和 RStudio,为 ML 开发人员提供了无与伦比的简化环境。 JupyterLab Spaces 的引入为定制计算和存储资源提供了灵活性和便利性,从而提高了 ML 工作流程的整体效率。 JupyterLab 中从远程内核架构到本地化模型的转变极大地提高了稳定性,同时减少了启动延迟。 这将带来更快、更稳定、响应更灵敏的编码体验。 此外,JupyterLab 中 Amazon CodeWhisperer 和 Jupyter AI 等生成式 AI 工具的集成进一步增强了开发人员的能力,使您能够使用 AI 进行编码辅助和创新性问题解决。 对预置存储的增强控制以及通过自我管理的 EFS 安装轻松共享代码和数据的能力极大地促进了协作项目。 最后,SageMaker Studio 中 JupyterLab 4.0 的发布强调了这些改进,提供优化的性能、更好的可访问性和更用户友好的界面,从而巩固了 JupyterLab 作为现代技术领域高效和有效的 ML 开发基石的作用。
使用我们的 SageMaker Studio JupyterLab Spaces 尝试一下 快速板载功能,它允许您在几分钟内为单个用户启动一个新域。 在评论部分分享你的想法!
附录:SageMaker Studio Classic 的内核网关架构
A SageMaker 经典版 域是 EFS 卷、授权访问该域的用户列表以及与安全、应用程序、网络等相关的配置的逻辑聚合。 在 SageMaker 的 SageMaker Studio Classic 架构中,SageMaker 域中的每个用户都具有不同的用户配置文件。 该配置文件包含特定的详细信息,例如用户的角色及其在 EFS 卷中的 Posix 用户 ID,以及其他独特数据。 用户通过专用的 Jupyter 服务器应用程序访问其个人用户配置文件,该应用程序通过 Web 浏览器中的 HTTPS/WSS 连接。 SageMaker Studio Classic 使用远程内核架构,结合使用 Jupyter 服务器和内核网关应用程序类型,使笔记本服务器能够与远程主机上的内核进行交互。 这意味着 Jupyter 内核不在笔记本服务器的主机上运行,而是在单独主机上的 Docker 容器内运行。 本质上,您的笔记本存储在 EFS 主目录中,并在不同的远程计算机上运行代码 亚马逊弹性计算云 (Amazon EC2) 实例,其中包含一个预构建的 Docker 容器,配备了 PyTorch、TensorFlow、Scikit-Learn 等 ML 库。
SageMaker Studio 中的远程内核架构在可扩展性和灵活性方面提供了显着的优势。 然而,它也有其局限性,包括每个实例类型最多四个应用程序以及由于与常见 EC2 实例类型的大量 HTTPS/WSS 连接而导致的潜在瓶颈。 这些限制可能会对用户体验产生负面影响。
以下架构图描述了 SageMaker Studio Classic 架构。 它说明了用户使用其首选 Web 浏览器通过 Jupyter Server 应用程序连接到内核网关应用程序的过程。
关于作者
普拉纳夫·穆尔蒂 是 AWS 的 AI/ML 专家解决方案架构师。 他专注于帮助客户构建、训练、部署机器学习 (ML) 工作负载并将其迁移到 SageMaker。 他之前曾在半导体行业工作,开发大型计算机视觉 (CV) 和自然语言处理 (NLP) 模型,以使用最先进的 ML 技术改进半导体工艺。 空闲时间,他喜欢下棋和旅行。 您可以在以下位置找到普拉纳夫: LinkedIn.
库纳尔贾 是 AWS 的高级产品经理。 他专注于将 Amazon SageMaker Studio 打造为端到端 ML 开发的最佳选择。 闲暇时,库纳尔喜欢滑雪和探索太平洋西北地区。 你可以在以下位置找到他 LinkedIn.
玛吉莎·纳马斯·帕拉巴斯 是 Amazon SageMaker 的高级软件工程师。 她已在 Amazon 工作 8 年多,目前致力于改进 Amazon SageMaker Studio 端到端体验。
巴拉特南达穆里 是一位在 Amazon SageMaker Studio 工作的高级软件工程师。 他热衷于构建大规模后端服务,重点关注机器学习系统工程。 工作之余,他喜欢下棋、徒步旅行和看电影。
德里克·劳斯 是 AWS 的软件工程师。 他致力于通过 Amazon SageMaker Studio 和笔记本实例为客户创造价值。 在业余时间,德里克喜欢与家人和朋友共度时光以及徒步旅行。 您可以在以下位置找到德里克: LinkedIn.
- SEO 支持的内容和 PR 分发。 今天得到放大。
- PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
- 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
- 柏拉图ESG。 碳, 清洁科技, 能源, 环境, 太阳能, 废物管理。 访问这里。
- 柏拉图健康。 生物技术和临床试验情报。 访问这里。
- Sumber: https://aws.amazon.com/blogs/machine-learning/boost-productivity-on-amazon-sagemaker-studio-introducing-jupyterlab-spaces-and-generative-ai-tools/
- :具有
- :是
- :不是
- :在哪里
- $UP
- 000
- 100
- 11
- 12
- 16
- 25
- 60
- 7
- 8
- a
- 对,能力--
- Able
- 关于
- 以上
- 加快
- 加速
- ACCESS
- 访问
- 无障碍
- 访问
- 账号管理
- 横过
- 法案
- 操作
- 行动
- 积极地
- 行为
- Ad
- 增加
- 额外
- 另外
- 管理
- 行政
- 管理员
- 采用
- 高级
- 进步
- 进步
- 优点
- 影响
- 后
- 聚合
- AI
- AI模型
- AI供电
- AI / ML
- 算法
- 对准
- 所有类型
- 分配
- 让
- 允许
- 靠
- 还
- 替代
- 尽管
- Amazon
- 亚马逊 CodeWhisperer
- Amazon EC2
- 亚马逊SageMaker
- 亚马逊SageMaker Studio
- 亚马逊网络服务
- 其中
- an
- 分析
- 和
- 答案
- 人类的
- 任何
- 分析数据
- API
- 应用
- 应用领域
- 使用
- 的途径
- 应用
- 建筑的
- 架构
- 保健
- 排列
- 艺术
- 人造的
- 人工智能
- AS
- 方面
- 帮助
- 助理
- 相关
- At
- 连接
- 增强
- 作者
- 授权
- 自动
- 自动化
- 可使用
- 远离
- AWS
- 背部
- 后端
- 基地
- 基于
- 底线
- BE
- 很
- 开始
- 初学者
- 有利
- 好处
- 最佳
- 最佳实践
- 更好
- 之间
- 阻止
- 促进
- 提高
- 都
- 瓶颈
- 盒子
- 带来
- 广阔
- 浏览器
- 建立
- 建筑物
- 但是
- by
- 缓存
- 被称为
- CAN
- 能力
- Center
- 一定
- 棋
- 选择
- 经典
- 接近
- 码
- 代码库
- 编码
- 合作
- 共同
- 组合
- 结合
- 评论
- 注释
- 提交
- 相当常见
- 沟通
- 伴侣
- 比较
- 完成
- 复杂
- 复杂性
- 复杂
- 符合
- 全面
- 计算
- 一台
- 计算机视觉
- 计算
- 概念
- 流程条件
- 配置
- 配置
- 已联繫
- 连接
- 连接
- 一贯
- 始终如一
- 组成
- 容器
- 集装箱
- 内容
- 继续
- 继续
- 控制
- 便捷
- 听起来像对话
- 基石
- 价格
- 成本
- 可以
- 外壳
- 创建信息图
- 创建
- 创造
- 创造力
- 关键
- 的CSS
- 目前
- 习俗
- 顾客
- 合作伙伴
- 定制
- 定制
- data
- 数据分析
- 数据处理
- 数据科学
- 数据可视化
- 数据集
- 专用
- 默认
- 交付
- 钻研
- 演示
- 部署
- 部署
- 德里克
- 描述
- 设计
- 设计
- 详细
- 详情
- 开发商
- 开发
- 发展
- 研发支持
- 开发工具
- 不同
- 直接
- 直接
- 目录
- 讨论
- 不同
- 分布
- 分配
- do
- 码头工人
- 文件
- 域
- 域名
- 完成
- 向下
- 驾驶
- 驱动器
- 两
- 每
- 此前
- 缓解
- 更容易
- 易
- 编辑
- 效果
- 有效
- 只
- 效率
- 高效
- 有效
- 努力
- 毫不费力
- 费力
- 或
- 提高的
- 嵌入
- 授权
- 如虎添翼
- enable
- 启用
- 使
- 使
- 包含
- 加密
- 结束
- 端至端
- 工程师
- 工程师
- 提高
- 增强
- 增强
- 增强
- 加强
- 确保
- 输入
- 环境
- 环境中
- 配备
- 本质
- 必要
- 建立
- 甚至
- 演变
- 例子
- 执行
- 现有
- 体验
- 实验
- 说明
- 探索
- 延长
- 延期
- 扩展
- 广泛
- 额外
- 面部彩妆
- 促进
- 促进
- false
- 熟悉
- 家庭
- 高效率
- 快
- 专栏
- 特征
- 特色
- 少数
- 部分
- 文件
- 档
- 找到最适合您的地方
- 高度灵活
- 柔软
- 灵活地
- 流体
- 专注焦点
- 重点
- 重点
- 以下
- 针对
- 向前
- 培养
- 发现
- 四
- Free
- 频繁
- 朋友
- 止
- 充分
- 功能
- 功能
- 进一步
- 网关
- 生成
- 发电
- 代
- 生成的
- 生成式人工智能
- 混帐
- 给
- Go
- 授予
- 补助金
- 把握
- 更大的
- 非常
- 手柄
- 处理
- 有
- he
- 帮助
- 帮助
- 高
- 高性能
- 更高
- 高度
- 他
- 他的
- 主页
- 主持人
- 托管
- 为了
- 房屋
- 创新中心
- How To
- 但是
- HTML
- HTTP
- HTTPS
- ID
- 理想
- if
- 说明
- 说明
- 图片
- 重要
- 重要的
- 改善
- 改善
- 改进
- 改善
- 改善
- in
- 无法访问
- 包括
- 包括
- 包含
- 增加
- 增加
- 增加
- 增加
- 独立
- 独立地
- 个人
- 行业中的应用:
- 信息
- 原来
- 創新
- 创新
- 内
- 洞察
- 可行的洞见
- 安装
- 例
- 说明
- 整合
- 集成
- 积分
- 房源搜索
- 智能化
- 拟
- 相互作用
- 互动
- 接口
- 成
- 介绍
- 介绍
- 推出
- 介绍
- 介绍
- IT
- 它的
- JPG
- 只是
- 保持
- 键
- 键
- 标签
- 景观
- 语言
- 大
- 最后
- 潜伏
- 最新
- 发射
- 推出
- 发射
- 铅
- 飞跃
- 学习
- 减
- Level
- 库
- 生命周期
- 喜欢
- 限制
- 链接
- 清单
- LLM
- 加载
- 本地
- 位于
- 合乎逻辑的
- 长
- 看
- 降低
- 机
- 机器学习
- 制成
- 魔法
- 维护
- 保养
- 使
- 制作
- 制作
- 管理
- 管理
- 经理
- 管理的
- 手动
- 标记
- 最多
- 可能..
- 手段
- 成员
- 内存
- 菜单
- 消息
- 方法
- 迁移
- 最小
- 最小化
- 最低限度
- 分钟
- ML
- 模型
- 模型
- 现代
- 修改
- 更多
- 更高效
- 此外
- 最先进的
- 安装
- 电影
- 移动
- 许多
- 多
- 必须
- 姓名
- 本地人
- 自然
- 自然语言处理
- 导航
- 必要
- 需求
- 打印车票
- 负
- 网络
- 工业网络
- 全新
- NLP
- 没有
- 显着
- 注意
- 笔记本
- 现在
- 众多
- of
- 提供
- 最多线路
- 提供
- 优惠精选
- 官方
- 经常
- on
- 板载
- 一
- 仅由
- 到
- 打开
- 开放源码
- 操作
- 运营
- 优化
- 优化
- 附加选项
- 附加选项
- or
- 组织
- 本来
- 其他名称
- 我们的
- 输出
- 学校以外
- 超过
- 最划算
- 己
- 业主
- 太平洋
- 页
- 部分
- 尤其
- 多情
- 径
- 模式
- 暂停
- 为
- 演出
- 性能
- 允许
- 权限
- 平台
- 柏拉图
- 柏拉图数据智能
- 柏拉图数据
- 操场
- 播放
- 点
- 政策
- 政策
- 帖子
- 潜力
- 做法
- 首选
- 准备
- 以前
- 先前
- 主要
- 原则
- 私立
- 问题解决
- 过程
- 处理
- 过程
- 处理
- 产品
- 产品经理
- 生产
- 生产率
- 本人简介
- 简介
- 代码编程
- 项目
- 项目
- 提供
- 供应商
- 提供
- 优
- 目的
- 蟒蛇
- pytorch
- 质量
- 有疑问吗?
- 快速
- 更快
- 很快
- 范围
- 急速
- 准备
- 实时的
- 接收
- 建议
- 减少
- 减少
- 参考
- 而不管
- 地区
- 有关
- 重新开张
- 释放
- 发布
- 遗迹
- 远程
- 远程
- 重复的
- 表示
- 代表
- 岗位要求
- 需要
- 资源
- 资源
- 响应
- REST的
- 重新启动
- 受限
- 导致
- 成果
- 简历
- 革命性
- 右
- 健壮
- 角色
- 根
- 常规
- 第
- 运行
- 运行
- 运行
- 运行
- sagemaker
- 同
- 沙箱
- 可扩展性
- 鳞片
- 情景
- 科学
- 科学家
- scikit学习
- 脚本
- 无缝的
- 无缝
- 搜索
- 老练
- 秒
- 部分
- 安全
- 保安
- 安全政策
- 看到
- 半导体
- 前辈
- 分开
- 服务
- 服务器
- 服务器
- 服务
- 服务
- 特色服务
- 会议
- 招生面试
- 集
- 设置
- 设置
- 格局
- 几个
- Share
- 共用的,
- 分享
- 共享
- 她
- 转移
- 如图
- 作品
- 显著
- 显著
- 类似
- 简化
- 简化
- 单
- 尺寸
- 尺寸
- 片段
- So
- 软件
- 软件工程师
- 固体
- 凝
- 方案,
- 解决方案
- 一些
- 来源
- 太空
- 剩余名额
- 专家
- 具体的
- 花费
- 纺
- 分裂
- 稳定性
- 稳定
- 标准
- 开始
- 启动
- 州/领地
- 个人陈述
- 州
- 步
- 步骤
- Stop 停止
- 停止
- 存储
- 商店
- 存储
- 存储
- 简单的
- 精简
- 精简
- 结构
- 工作室
- 这样
- 概要
- SUPPORT
- 支持
- 肯定
- Switch 开关
- 系统
- 产品
- 采取
- 需要
- 任务
- 任务
- 团队
- 团队成员
- 队
- 科技
- 科技产业
- 技术
- 专业技术
- tensorflow
- 终端
- 条款
- test
- 测试
- 文本
- 比
- 谢谢
- 这
- 其
- 他们
- 然后
- 那里。
- 从而
- 博曼
- 他们
- Free Introduction
- 那些
- 通过
- 次
- 至
- 一起
- 工具
- 工具
- 最佳
- 向
- 培训
- 产品培训
- 过渡
- 过渡的
- 旅游
- true
- 尝试
- 调
- 类型
- 类型
- 一般
- ui
- 下划线
- 理解
- 独特
- 空前的
- 直到
- 更新
- 更新
- 最新动态
- 更新
- 升级
- 升级
- us
- 用法
- 使用
- 用过的
- 用户
- 用户体验
- 用户友好
- 用户
- 使用
- 运用
- 验证
- 有价值
- 折扣值
- 各种
- 各个
- 版本
- 通过
- 能见度
- 愿景
- 视觉
- 可视化
- 体积
- 卷
- 是
- 观看
- 方法..
- we
- 卷筒纸
- 网页浏览器
- Web服务器
- Web服务
- 基于网络的
- 为
- ,尤其是
- 每当
- 是否
- 这
- 而
- WHO
- 宽
- 将
- 希望
- 中
- 也完全不需要
- 工作
- 一起工作
- 工作
- 工作流程
- 工作流程
- 加工
- 世界
- 写
- 年
- 完全
- 您一站式解决方案
- 和风网