本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。
特定于任务的模型
JumpStart 支持十五种最流行的问题类型的任务特定模型。在支持的问题类型中,Vision 和NLP相关类型共有 13 种。有八种问题类型支持增量训练和微调。有关增量训练和超参数调整的更多信息,请参阅SageMaker 自动模型调整。 JumpStart 还支持四种常用的表格数据建模算法。
您可以从 Studio 或 Studio Classic 的 JumpStart 登录页面搜索和浏览模特。当您选择模型时,模型详细信息页面会提供有关该模型的信息,您可以通过几个步骤来训练和部署模型。描述部分介绍了您可以通过模型完成的任务、预期的输入和输出类型以及微调模型所需的数据类型。
您还可以通过 SageMaker Python SDK
下表汇总了问题类型列表及其示例 Jupyter 笔记本的链接。
问题类型 | 支持使用预训练模型进行推理 | 可在自定义数据集上训练 | 支持的框架 | 示例笔记本 |
---|---|---|---|---|
图像分类 | 是 | 是 |
PyTorch, TensorFlow |
|
对象检测 | 是 | 是 | PyTorch, TensorFlow, MXNet | |
语义分割 | 是 | 是 | MXNet | |
实例分段 | 是 | 是 | MXNet | |
图像嵌入 | 是 | 否 | TensorFlow, MXNet | |
文本分类 | 是 | 是 | TensorFlow | |
句子对分类 | 是 | 是 | TensorFlow,Hugging Face | |
问题回答 | 是 | 是 | PyTorch,Hugging Face | |
指定实体识别 | 是 | 否 | Hugging Face | |
文本摘要 | 是 | 否 | Hugging Face | |
文本生成 | 是 | 否 | Hugging Face | |
机器翻译 | 是 | 否 | Hugging Face | |
文本嵌入 | 是 | 否 | TensorFlow, MXNet | |
表格分类 | 是 | 是 | Light GBM、、 CatBoost、 AutoGluon-Tabular XGBoost、、Linear Lear TabTransformer ner |
简介 JumpStart -表格分类-浅色GBM, CatBoost 简介 JumpStart -表格分类-XGBoost,线性学习器 |
表格回归 | 是 | 是 | Light GBM、、 CatBoost、 AutoGluon-Tabular XGBoost、、Linear Lear TabTransformer ner |
简介 JumpStart -表格回归-Ligh GBM t, CatBoost 简介 JumpStart — 表格回归-XGBoost,线性学习器 |