Beispiel-Notebooks

step-by-step Beispiele zur Verwendung öffentlich verfügbarer JumpStart Foundation-Modelle mit dem SageMaker Python SDK finden Sie in den folgenden Notizbüchern zur Textgenerierung, Bildgenerierung und Modellanpassung.

Anmerkung

Proprietäre und öffentlich verfügbare JumpStart Foundation-Modelle haben unterschiedliche SageMaker Python SDK Bereitstellungs-Workflows. Entdecken Sie über Amazon SageMaker Studio Classic oder die SageMaker Konsole Beispiel-Notebooks eines eigenen Foundation-Modells. Weitere Informationen finden Sie unter Wie verwendet man JumpStart Foundation-Modelle.

Sie können das SageMaker Amazon-Beispiel-Repository klonen, um die verfügbaren JumpStart Foundation-Model-Beispiele in der Jupyter-Umgebung Ihrer Wahl in Studio auszuführen. Weitere Informationen zu Anwendungen, mit denen Sie Jupyter erstellen und in denen Sie darauf zugreifen können, finden Sie unter. SageMaker In Amazon SageMaker Studio unterstützte Anwendungen

Textgenerierung

Entdecken Sie Beispiel-Notebooks zur Textgenerierung, einschließlich Anleitungen zu allgemeinen Workflows zur Textgenerierung, mehrsprachiger Textklassifizierung, Batch-Inferenz in Echtzeit, Few-Shot-Lernen, Chatbot-Interaktionen und mehr.

• SageMaker JumpStart Foundation Models — HuggingFace Text2Text Generation mit FLAN -T5 XL als Beispiel

• SageMaker JumpStart Foundation Models — BloomZ: Mehrsprachige Textklassifizierung, Fragen und Antworten, Codegenerierung, Absatzumformulierung und mehr

• SageMaker JumpStart Foundation Models — Batch-Transformation mit HuggingFace Text2Text-Generierung und Batch-Inferenz in Echtzeit

• SageMaker JumpStart Grundlagenmodelle — GPT -J, -Neo Lernen mit wenigen Klicks GPT

• SageMaker JumpStart Grundlegende Modelle — Chatbots

• Einführung in die SageMaker JumpStart Textgenerierung mit Mistral-Modellen

• Einführung in SageMaker JumpStart — Textgenerierung mit Falcon-Modellen

Bildgenerierung

Beginnen Sie mit text-to-image Stable Diffusion-Modellen, lernen Sie, wie Sie ein Inpainting-Modell einsetzen, und experimentieren Sie mit einem einfachen Arbeitsablauf, um Bilder von Ihrem Hund zu erstellen.

• Einführung in JumpStart — Text zu Bild

• Einführung in die JumpStart Bildbearbeitung — Stabile Diffusion beim Malen

• Erzeugen lustiger Bilder von Ihrem Hund

Modellanpassung

Manchmal erfordert ein Anwendungsfall eine stärkere Anpassung des Grundlagenmodells für bestimmte Aufgaben. Weitere Informationen zu Ansätzen zur Modellanpassung finden Sie unter Anpassen eines Grundlagenmodells oder in einem der folgenden Beispiel-Notebooks.

• SageMaker JumpStart Foundation Models — Feinabstimmung der Textgenerierung — GPT J 6B-Modell für domänenspezifischen Datensatz

• SageMaker JumpStart Foundation Models — HuggingFace Feinabstimmung von Text2Text-Anweisungen

• Retrieval-Augmented Generation: Beantwortung von Fragen mithilfe von Generate- und Einbettungsmodellen von LangChain und von Cohere SageMaker JumpStart

• Retrieval-Augmented Generation: Beantwortung von Fragen mit -2, Pinecone und benutzerdefiniertem Datensatz LLama

• Retrieval-Augmented Generation: Beantwortung von Fragen auf der Grundlage eines benutzerdefinierten Datensatzes mit Open-Source-Bibliothek LangChain

• Retrieval-Augmented Generation: Beantwortung von Fragen auf der Grundlage eines benutzerdefinierten Datensatzes

• Generierung mit erweitertem Abruf: Beantwortung von Fragen mithilfe von Lama-2- und Texteinbettungsmodellen

• Amazon SageMaker JumpStart — Texteinbettung und Satzähnlichkeit