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 支援十五種最常用問題類型的工作特定模型。在支援的問題類型中,共有 13 種視覺和 NTP 相關類型。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整的詳細資訊,請參閱SageMaker 自動模型微調。 JumpStart 還支持四種流行的表格數據建模算法。
您可以從工作室或工作室經典版的 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。
您也可以透過程式設計方式使用 SageMaker Python SDK
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 | 是 | 是 |
PyTorch, TensorFlow |
|
物件偵測 | 是 | 是 | PyTorch, TensorFlow, MXNet | |
語意分割 | 是 | 是 | MXNet | |
實例分割 | 是 | 是 | MXNet | |
圖像嵌入 | 是 | 否 | TensorFlow, MXNet | |
文字分類 | 是 | 是 | TensorFlow | |
句子對分類 | 是 | 是 | TensorFlow, Hugging Face | |
回答問題 | 是 | 是 | PyTorch, Hugging Face | |
具名實體辨識 | 是 | 否 | Hugging Face | |
文字摘要 | 是 | 否 | Hugging Face | |
產生文字 | 是 | 否 | Hugging Face | |
機器翻譯 | 是 | 否 | Hugging Face | |
文字嵌入 | 是 | 否 | TensorFlow, MXNet | |
表格分類 | 是 | 是 | 光 GBM,, 升壓 CatBoost,-表格, AutoGluon 線性學習器 TabTransformer |
簡介 JumpStart -表格分類-光 GBM, CatBoost |
表格迴歸 | 是 | 是 | 光 GBM,, 升壓 CatBoost,-表格, AutoGluon 線性學習器 TabTransformer |
簡介 JumpStart -表格回歸-光 GBM CatBoost 簡介 JumpStart — 表格迴歸-XGBoost, 線性學習器 |