Modelle - Amazon SageMaker

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.

Modelle

JumpStart unterstützt Modelle für fünfzehn der gängigsten Problemtypen. Von den unterstützten Problemtypen sind Vision und NLP-bezogene Typen insgesamt dreizehn. Es gibt acht Problemtypen, die inkrementelle Schulungen und Feinabstimmungen unterstützen. Weitere Informationen zum inkrementellen Training und zur Optimierung von Hyperparametern finden Sie unter SageMaker Automatische Modelloptimierung. JumpStart unterstützt auch vier gängige Algorithmen für die tabellarische Datenmodellierung.

Sie können auf der JumpStart Landingpage in Studio nach Modellen suchen und diese durchsuchen. Wenn Sie ein Modell auswählen, enthält die Modelldetailseite Informationen über das Modell, und Sie können Ihr Modell in wenigen Schritten trainieren und bereitstellen. Im Beschreibungsabschnitt wird beschrieben, was Sie mit dem Modell tun können, welche Arten von Ein- und Ausgängen zu erwarten sind und welcher Datentyp für die Feinabstimmung Ihres Modells erforderlich ist.

Sie können Modelle auch programmgesteuert mit dem SageMaker Python SDK verwenden. Eine Liste aller verfügbaren Modelle finden Sie in der TabelleJumpStart Verfügbare Modelle.

Die Liste der Problemtypen und Links zu ihren Jupyter-Beispielnotizbüchern 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

Objekterkennung Ja Ja PyTorch TensorFlow, MXNet

Einführung in die JumpStart Objekterkennung

Semantische Segmentierung Ja Ja MXNet

Einführung in JumpStart - Semantische Segmentierung

Segmentierung von Instanzen Ja Ja MXNet

Einführung in die JumpStart Instanzsegmentierung

Einbetten von Bildern Ja Nein TensorFlow, MXNet

Einführung in die JumpStart Bildeinbettung

Textklassifizierung Ja Ja TensorFlow

Einführung in die JumpStart - Textklassifikation

Klassifizierung von Satzpaaren Ja Ja TensorFlow, Gesicht umarmen

Einführung in die JumpStart Satzpaarklassifikation

Beantwortung der Frage Ja Ja PyTorch, Gesicht umarmen

Einführung in JumpStart — Beantwortung von Fragen

Anerkennung benannter Entitäten Ja Nein Umarmendes Gesicht

Einführung in die Named JumpStart Entity Recognition

Zusammenfassung des Textes Ja Nein Umarmendes Gesicht

Einführung in JumpStart - Textzusammenfassung

Textgenerierung Ja Nein Umarmendes Gesicht

Einführung in JumpStart - Textgenerierung

Maschinelle Übersetzung Ja Nein Umarmendes Gesicht

Einführung in JumpStart - Maschinelle Übersetzung

Texteinbettung Ja Nein TensorFlow, MXNet

Einführung in JumpStart - Texteinbettung

Tabellarische Einteilung Ja Ja LightGBM CatBoost, XBoost, AutoGluon -Tabellarischer TabTransformer, Linearer Lerner

Einführung in die JumpStart - Tabellarische Klassifikation - LightGBM, CatBoost

Einführung in die JumpStart - Tabellarische Klassifikation - XGBoost, Linear Learner

Einführung in die JumpStart - Tabellarische Klassifikation - AutoGluon Lernende

Einführung in die JumpStart - Tabellarische Klassifikation - TabTransformer Lernende

Tabellarische Regression Ja Ja LightGBM CatBoost, XBoost, AutoGluon -Tabellarischer TabTransformer, Linearer Lerner

Einführung in JumpStart - Tabellarische Regression - LightGBM, CatBoost

Einführung in JumpStart — Tabellarische Regression - XGBoost, Linear Learner

Einführung in JumpStart — Tabellarische Regression — AutoGluon Lernender

Einführung in JumpStart — Tabellarische Regression — TabTransformer Lernender