Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
JumpStart admite modelos de tareas específicas para quince de los tipos de problemas más populares. De los tipos de problemas admitidos, los relacionados con la visión y el NLP suman un total de trece. Hay ocho tipos de problemas que permiten el entrenamiento y el ajuste incrementales. Para obtener más información sobre el entrenamiento incremental y el ajuste de hiperparámetros, consulte el ajuste automático de modelos mediante SageMaker IA. JumpStart también es compatible con cuatro algoritmos populares para el modelado de datos tabulares.
Puede buscar y explorar modelos desde la página de JumpStart inicio de Studio o Studio Classic. Al seleccionar un modelo, la página de detalles del modelo proporciona información sobre el modelo, y puede entrenarlo e implementarlo en unos pocos pasos. La sección de descripción describe lo que puede hacer con el modelo, los tipos esperados de entradas y salidas y el tipo de datos necesarios para ajustar el modelo.
También puede utilizar modelos mediante programación con el SDK de SageMaker Python
En la siguiente tabla se resume la lista de tipos de problemas y los enlaces a sus ejemplos de cuadernos de Jupyter.
| Tipos de problemas | Compatibilidad con la inferencia con modelos previamente entrenados | Entrenable en un conjunto de datos personalizado | Marcos admitidos | Cuadernos de ejemplo |
|---|---|---|---|---|
| Clasificación de imágenes | Sí | Sí |
PyTorch, TensorFlow |
|
| Detección de objetos | Sí | Sí | PyTorch, TensorFlow, MXNet | |
| Segmentación semántica | Sí | Sí | MXNet | |
| Segmentación de instancias | Sí | Sí | MXNet | |
| Incrustación de imágenes | Sí | No | TensorFlow, MXNet | |
| Clasificación de textos | Sí | Sí | TensorFlow | |
| Clasificación de pares de frases | Sí | Sí | TensorFlow, Hugging Face |
Introducción a la clasificación JumpStart por pares de oraciones |
| Respuesta a preguntas | Sí | Sí | PyTorch, Hugging Face | |
| Reconocimiento de entidades con nombre | Sí | No | Hugging Face |
Introducción al reconocimiento JumpStart de entidades nombradas |
| Resumen de texto | Sí | No | Hugging Face | |
| Generación de texto | Sí | No | Hugging Face | |
| Traducción automática | Sí | No | Hugging Face | |
| Incrustación de texto | Sí | No | TensorFlow, MXNet | |
| Clasificación tabular | Sí | Sí | LightGBM,,, AutoGluon -Tabular CatBoost XGBoost, Lineal Learner TabTransformer |
Introducción a la clasificación tabular JumpStart : LightGBM, CatBoost Introducción a la clasificación tabular JumpStart , Linear Learner XGBoost Introducción a JumpStart - Clasificación tabular - Aprendiz AutoGluon Introducción a la clasificación tabular JumpStart - Estudiante TabTransformer |
| Regresión tabular | Sí | Sí | LightGBM,,, - CatBoost Aprendiz XGBoost tabular, AutoGluon lineal TabTransformer |
Introducción a - Regresión tabular JumpStart - LightGBM, CatBoost Introducción a JumpStart — Regresión tabular -, Linear Learner XGBoost Introducción a JumpStart — Regresión tabular - Estudiante AutoGluon Introducción a JumpStart — Regresión tabular - Estudiante TabTransformer |
