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
<a name="jumpstart-models"></a>

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 zu inkrementellem Training und Hyperparameter-Tuning finden Sie unter SageMaker AI Automatic Model Tuning.](https://docs.aws.amazon.com/sagemaker/latest/dg/automatic-model-tuning.html) 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](https://sagemaker.readthedocs.io/en/stable/overview.html#use-prebuilt-models-with-sagemaker-jumpstart) verwenden. Eine Liste aller verfügbaren Modelle finden Sie in der Tabelle mit [JumpStartverfügbaren Modellen.](https://sagemaker.readthedocs.io/en/v2.132.0/doc_utils/pretrainedmodels.html)

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 | [Einführung in die JumpStart Bildklassifizierung](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_image_classification/Amazon_JumpStart_Image_Classification.ipynb) | 
| Objekterkennung  | Ja  | Ja  | PyTorch, TensorFlow, MXNet | [Einführung in die JumpStart Objekterkennung](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_object_detection/Amazon_JumpStart_Object_Detection.ipynb) | 
| Semantische Segmentierung  | Ja  | Ja  | MXNet  | [Einführung in die JumpStart Semantische Segmentierung](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_semantic_segmentation/Amazon_JumpStart_Semantic_Segmentation.ipynb) | 
| Instance-Segmentierung  | Ja  | Ja  | MXNet  | [Einführung in die JumpStart Instanzsegmentierung](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_instance_segmentation/Amazon_JumpStart_Instance_Segmentation.ipynb) | 
| Einbettung von Bildern  | Ja  | Nein  | TensorFlow, MXNet | [Einführung in das JumpStart Einbetten von Bildern](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_image_embedding/Amazon_JumpStart_Image_Embedding.ipynb) | 
| Textklassifizierung  | Ja  | Ja  | TensorFlow | [Einführung in die JumpStart Textklassifikation](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_text_classification/Amazon_JumpStart_Text_Classification.ipynb) | 
| Klassifizierung von Satzpaaren  | Ja  | Ja  | TensorFlow, Hugging Face | [Einführung in die Klassifikation von JumpStart Satzpaaren](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_sentence_pair_classification/Amazon_JumpStart_Sentence_Pair_Classification.ipynb) | 
| Beantwortung von Fragen  | Ja  | Ja  | PyTorch, Hugging Face | [Einführung in JumpStart — Beantwortung von Fragen](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_question_answering/Amazon_JumpStart_Question_Answering.ipynb) | 
| Erkennung benannter Entitäten  | Ja  | Nein  | Hugging Face  | [Einführung in JumpStart — Erkennung benannter Entitäten](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_named_entity_recognition/Amazon_JumpStart_Named_Entity_Recognition.ipynb) | 
| Textzusammenfassung  | Ja  | Nein  | Hugging Face  | [Einführung in JumpStart — Textzusammenfassung](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_text_summarization/Amazon_JumpStart_Text_Summarization.ipynb) | 
| Textgenerierung  | Ja  | Nein  | Hugging Face  | [Einführung in JumpStart — Textgenerierung](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_text_generation/Amazon_JumpStart_Text_Generation.ipynb) | 
| Maschinelle Übersetzung  | Ja  | Nein  | Hugging Face  | [Einführung in JumpStart — Maschinelle Übersetzung](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_machine_translation/Amazon_JumpStart_Machine_Translation.ipynb) | 
| Texteinbettung  | Ja  | Nein  | TensorFlow, MXNet | [Einführung in JumpStart — Texteinbettung](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_text_embedding/Amazon_JumpStart_Text_Embedding.ipynb) | 
| Tabellarische Klassifikation  | Ja  | Ja  | LightGBM,,, AutoGluon -Tabellarisch CatBoost XGBoost, Linear Learner TabTransformer | [Einführung in - Tabellarische Klassifikation JumpStart - LightGBM, CatBoost](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/lightgbm_catboost_tabular/Amazon_Tabular_Classification_LightGBM_CatBoost.ipynb)<br />[Einführung in JumpStart - Tabellarische Klassifikation -, Linear Learner XGBoost](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/xgboost_linear_learner_tabular/Amazon_Tabular_Classification_XGBoost_LinearLearner.ipynb)<br />[Einführung in JumpStart — Tabellarische Klassifikation — Lernende AutoGluon](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/autogluon_tabular/Amazon_Tabular_Classification_AutoGluon.ipynb)<br />[Einführung in JumpStart — Tabellarische Klassifikation — Lernende TabTransformer](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/tabtransformer_tabular/Amazon_Tabular_Classification_TabTransformer.ipynb) | 
| Tabellarische Regression  | Ja  | Ja  | LightGBM,,, CatBoost -Tabellarisch XGBoost, Linearer AutoGluon Lerner TabTransformer | [Einführung in - Tabellarische Regression JumpStart - LightGBM, CatBoost](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/lightgbm_catboost_tabular/Amazon_Tabular_Regression_LightGBM_CatBoost.ipynb)<br />[Einführung in JumpStart — Tabellarische Regression —, Linear Learner XGBoost](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/xgboost_linear_learner_tabular/Amazon_Tabular_Regression_XGBoost_LinearLearner.ipynb)<br />[Einführung in JumpStart — Tabellarische Regression — Lernender AutoGluon ](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/autogluon_tabular/Amazon_Tabular_Regression_AutoGluon.ipynb)<br />[Einführung in JumpStart — Tabellarische Regression — Lernender TabTransformer](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/tabtransformer_tabular/Amazon_Tabular_Regression_TabTransformer.ipynb) |