Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Aufgabenspezifische Modelle
JumpStart unterstützt aufgabenspezifische Modelle für fünfzehn der gängigsten Problemtypen. Von den unterstützten Problemtypen sind insgesamt dreizehn Vision- und NLP-bezogen. Es gibt acht Problemtypen, die inkrementelles Training und Feinabstimmung unterstützen. Weitere Informationen zum inkrementellen Training und zur Hyperparameteroptimierung finden Sie unter Automatische Modelloptimierung. SageMaker JumpStart unterstützt außerdem vier beliebte Algorithmen für die tabellarische Datenmodellierung.
Sie können Modelle von der JumpStart Landingpage in Studio oder Studio Classic aus suchen und durchsuchen. Wenn Sie ein Modell auswählen, enthält die Modelldetailseite Informationen über das Modell. Zudem können Sie Ihr Modell in wenigen Schritten trainieren und bereitstellen. Im Beschreibungsabschnitt wird beschrieben, wie Sie das Modell nutzen können, welche Arten von Eingaben und Ausgaben zu erwarten sind und welcher Datentyp für die Optimierung Ihres Modells benötigt wird.
Sie können Modelle auch programmgesteuert mit dem SageMaker Python-SDK
Die Liste der Problemtypen und Links zu ihren Beispiel-Jupyter-Notebooks sind in der folgenden Tabelle zusammengefasst.
Problemtypen | Unterstützt Inferenz mit vortrainierten Modellen | Mit einem benutzerdefinierten Datensatz trainierbar | Unterstützte Frameworks | Beispiel-Notebooks |
---|---|---|---|---|
Bildklassifizierung | Ja | Ja |
PyTorch, TensorFlow |
|
Objekterkennung | Ja | Ja | PyTorch TensorFlow, MXNet | |
Semantische Segmentierung | Ja | Ja | MXNet | |
Instance-Segmentierung | Ja | Ja | MXNet | |
Einbettung von Bildern | Ja | Nein | TensorFlow, MXNet | |
Textklassifizierung | Ja | Ja | TensorFlow | |
Klassifizierung von Satzpaaren | Ja | Ja | TensorFlow, Hugging Face | |
Beantwortung von Fragen | Ja | Ja | PyTorch, Hugging Face | |
Erkennung benannter Entitäten | Ja | Nein | Hugging Face | |
Textzusammenfassung | Ja | Nein | Hugging Face | |
Textgenerierung | Ja | Nein | Hugging Face | |
Maschinelle Übersetzung | Ja | Nein | Hugging Face | |
Texteinbettung | Ja | Nein | TensorFlow, MXNet | |
Tabellarische Klassifikation | Ja | Ja | LightGBM, XGBoost CatBoost, -Tabular, Linear Learner AutoGluon TabTransformer |
Einführung in — Tabellarische Klassifikation — LightGBM, JumpStart CatBoost Einführung in JumpStart - Tabellarische Klassifikation - XGBoost, Linear Learner Einführung in — Tabellarische Klassifikation JumpStart — Lerner AutoGluon Einführung in JumpStart — Tabellarische Klassifikation — Lernende TabTransformer |
Tabellarische Regression | Ja | Ja | LightGBM, XGBoost CatBoost, -Tabellarisch, Linearer Lerner AutoGluon TabTransformer |
Einführung in — Tabellarische Regression — LightGBM, JumpStart CatBoost Einführung in JumpStart — Tabellarische Regression — XGBoost, Linear Learner Einführung in — Tabellarische Regression — JumpStart Lerner AutoGluon Einführung in JumpStart — Tabellarische Regression — Lernender TabTransformer |