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