Modelos específicos para tareas

JumpStart admite modelos para tareas específicas en quince de los tipos de problemas más populares. De los tipos de problemas admitidos, los relacionados con la visión y el NLP suman un total de trece. Hay ocho tipos de problemas que permiten el entrenamiento y el ajuste incrementales. Para obtener más información sobre el entrenamiento incremental y el ajuste de hiperparámetros, consulte SageMaker Ajuste automático de modelos. JumpStart también admite cuatro algoritmos populares para el modelado de datos tabulares.

Puede buscar y explorar modelos desde la página de JumpStart inicio de Studio o Studio Classic. Al seleccionar un modelo, la página de detalles del modelo proporciona información sobre el modelo, y puede entrenarlo e implementarlo en unos pocos pasos. La sección de descripción describe lo que puede hacer con el modelo, los tipos esperados de entradas y salidas y el tipo de datos necesarios para ajustar el modelo.

También puede utilizar modelos mediante programación con el SDK de SageMaker Python. Para obtener una lista de todos los modelos disponibles, consulte la tabla de modelos JumpStart disponibles.

En la siguiente tabla se resume la lista de tipos de problemas y los enlaces a sus ejemplos de cuadernos de Jupyter.

Tipos de problemas	Compatibilidad con la inferencia con modelos previamente entrenados	Entrenable en un conjunto de datos personalizado	Marcos admitidos	Cuadernos de ejemplo
Clasificación de imágenes	Sí	Sí	PyTorch, TensorFlow	Introducción a la JumpStart clasificación de imágenes
Detección de objetos	Sí	Sí	PyTorch TensorFlow, MXNet	Introducción a la JumpStart detección de objetos
Segmentación semántica	Sí	Sí	MXNet	Introducción a la JumpStart segmentación semántica
Segmentación de instancias	Sí	Sí	MXNet	Introducción a la segmentación de JumpStart instancias
Incrustación de imágenes	Sí	No	TensorFlow, MXNet	Introducción a la JumpStart incrustación de imágenes
Clasificación de textos	Sí	Sí	TensorFlow	Introducción a la JumpStart clasificación de textos
Clasificación de pares de frases	Sí	Sí	TensorFlow, Hugging Face	Introducción a la clasificación JumpStart por pares de oraciones
Respuesta a preguntas	Sí	Sí	PyTorch, Hugging Face	Introducción a JumpStart : respuesta a preguntas
Reconocimiento de entidades con nombre	Sí	No	Hugging Face	Introducción al reconocimiento JumpStart de entidades nombradas
Resumen de texto	Sí	No	Hugging Face	Introducción al JumpStart resumen de textos
Generación de texto	Sí	No	Hugging Face	Introducción a la JumpStart generación de texto
Traducción automática	Sí	No	Hugging Face	Introducción a JumpStart la traducción automática
Incrustación de texto	Sí	No	TensorFlow, MXNet	Introducción a la JumpStart incrustación de texto
Clasificación tabular	Sí	Sí	LightGBM, XGBoost CatBoost, -Tabular, Linear AutoGluon Learner TabTransformer	Introducción a la clasificación tabular: LightGBM, JumpStart CatBoost Introducción a la clasificación tabular JumpStart : XGBoost, Linear Learner Introducción a - Clasificación tabular JumpStart - Aprendiz AutoGluon Introducción a la clasificación tabular JumpStart - Estudiante TabTransformer
Regresión tabular	Sí	Sí	LightGBM, XGBoost, CatBoost -Tabular, Lineal Learner AutoGluon TabTransformer	Introducción a - Regresión tabular - LightGBM, JumpStart CatBoost Introducción a la regresión tabular JumpStart : XGBoost, Linear Learner Introducción a — Regresión tabular JumpStart - Aprendiz AutoGluon Introducción a JumpStart — Regresión tabular - Estudiante TabTransformer