具體工作模型 - Amazon SageMaker

本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。

具體工作模型

JumpStart 支援十五種最熱門問題類型的任務特定模型。在支援的問題類型中, Vision 和 NLP相關的類型總計為 13。有八種問題類型支援增量訓練和微調。如需增量訓練和超參數調校的詳細資訊,請參閱SageMaker 自動模型調整 。 JumpStart 也支援四個常用演算法,用於表格式資料建模。

您可以從 Studio 或 Studio Classic 中的 JumpStart 登陸頁面搜尋和瀏覽模型。當您選取模型時,模型詳細資訊頁面會提供模型的相關資訊,您只需數個步驟即可訓練和部署模型。說明部分描述了您可以對模型執行的操作、預期的輸入和輸出類型,以及微調模型所需的資料類型。

您也可以使用 SageMaker Python SDK以程式設計方式使用模型。如需所有可用模型的清單,請參閱JumpStart可用模型表

下表摘要列出問題類型及其範例 Jupyter 筆記本的連結。

問題類型 支援預先訓練模型的推論 可在自訂資料集上訓練 支援的架構 範例筆記本
Image classification

PyTorch, TensorFlow

簡介 JumpStart - 影像分類

物件偵測 PyTorch, TensorFlow, MXNet

簡介 JumpStart - 物件偵測

語意分割 MXNet

簡介 JumpStart - 語意分割

實例分割 MXNet

簡介 JumpStart - 執行個體分割

圖像嵌入 TensorFlow, MXNet

簡介 JumpStart - 映像內嵌

文字分類 TensorFlow

簡介 JumpStart - 文字分類

句子對分類 TensorFlow、Hugging Face

簡介 JumpStart - Sentence 配對分類

回答問題 PyTorch、Hugging Face

簡介 JumpStart – 問題回答

具名實體辨識 Hugging Face

簡介 JumpStart - 具名實體識別

文字摘要 Hugging Face

簡介 JumpStart - 文字摘要

產生文字 Hugging Face

簡介 JumpStart - 文字產生

機器翻譯 Hugging Face

簡介 JumpStart - Machine Translation

文字嵌入 TensorFlow, MXNet

簡介 JumpStart - 文字內嵌

表格分類 Light GBM、 CatBoost、XGBoost、 AutoGluon-Tabular TabTransformer、線性學習器

簡介 JumpStart - 表格式分類 - Light GBM、 CatBoost

簡介 JumpStart - 表格式分類 - XGBoost、線性學習器

簡介 JumpStart - 表格式分類 - AutoGluon 學員

簡介 JumpStart - 表格式分類 - TabTransformer 學員

表格迴歸 Light GBM、 CatBoost、XGBoost、 AutoGluon-Tabular TabTransformer、線性學習器

簡介 JumpStart - 表格式迴歸 - Light GBM、 CatBoost

簡介 JumpStart – 表格式迴歸 - XGBoost,線性學習器

簡介 JumpStart – 表格式迴歸 – AutoGluon 學習器

簡介 JumpStart – 表格式迴歸 – TabTransformer 學習器