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 中的模型。如需所有可用模型的清單，請參閱JumpStart可用的模型表格。

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	簡介 JumpStart -圖像分類
物件偵測	是	是	PyTorch, TensorFlow, MXNet	簡介 JumpStart -物體偵測
語意分割	是	是	MXNet	簡介 JumpStart -語義分割
實例分割	是	是	MXNet	執行個體區段簡介 JumpStart
圖像嵌入	是	否	TensorFlow, MXNet	簡介 JumpStart -圖像嵌入
文字分類	是	是	TensorFlow	簡介 JumpStart -文字分類
句子對分類	是	是	TensorFlow, Hugging Face	簡介 JumpStart -句子對分類
回答問題	是	是	PyTorch, Hugging Face	簡介 JumpStart — 問題回答
具名實體辨識	是	否	Hugging Face	簡介 JumpStart -命名實體識別
文字摘要	是	否	Hugging Face	簡介 JumpStart -文字摘要
產生文字	是	否	Hugging Face	簡介 JumpStart -文字產生
機器翻譯	是	否	Hugging Face	簡介 JumpStart -機器翻譯
文字嵌入	是	否	TensorFlow, MXNet	簡介 JumpStart -文字嵌入
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 簡介 JumpStart -表格分類-線性學習器 簡介 JumpStart -表格分類- AutoGluon 學員 簡介 JumpStart -表格分類- TabTransformer 學員
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 表格迴歸簡介- AutoGluon 學員 JumpStart 表格迴歸簡介- TabTransformer 學員 JumpStart