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.
Task-Specific Modelle
JumpStart unterstützt aufgabenspezifische Modelle für fünfzehn der gängigsten Problemtypen. Von den unterstützten Problemtypen sind Vision und NLP-related Typen insgesamt dreizehn. Es gibt acht Problemtypen, die inkrementelles Training und Feinabstimmung unterstützen. Weitere Informationen zum inkrementellen Training und zur Hyperparameteroptimierung finden Sie unter Automatische SageMaker KI-Modelloptimierung. JumpStart unterstützt auch vier gängige Algorithmen für die tabellarische Datenmodellierung.
Sie können Modelle von der JumpStart Landingpage in Studio oder Studio Classic aus suchen und durchsuchen. Wenn Sie ein Modell auswählen, enthält die Modelldetailseite Informationen über das Modell. Zudem können Sie Ihr Modell in wenigen Schritten trainieren und bereitstellen. Im Beschreibungsabschnitt wird beschrieben, wie Sie das Modell nutzen können, welche Arten von Eingaben und Ausgaben zu erwarten sind und welcher Datentyp für die Optimierung Ihres Modells benötigt wird.
Sie können Modelle auch programmgesteuert mit dem SageMaker Python-SDK verwenden.
Die Liste der Problemtypen und Links zu ihren Beispiel-Jupyter-Notebooks 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 |
|
| Objekterkennung | Ja | Ja | PyTorch TensorFlow, MXNet | |
| Semantische Segmentierung | Ja | Ja | MXNet | |
| Instance-Segmentierung | Ja | Ja | MXNet | |
| Einbettung von Bildern | Ja | Nein | TensorFlow, MXNet | |
| Textklassifizierung | Ja | Ja | TensorFlow | |
| Klassifizierung von Satzpaaren | Ja | Ja | TensorFlow, Umarmendes Gesicht | |
| Beantwortung von Fragen | Ja | Ja | PyTorch, Umarmendes Gesicht | |
| Erkennung benannter Entitäten | Ja | Nein | Hugging Face | |
| Textzusammenfassung | Ja | Nein | Hugging Face | |
| Textgenerierung | Ja | Nein | Hugging Face | |
| Maschinelle Übersetzung | Ja | Nein | Hugging Face | |
| Texteinbettung | Ja | Nein | TensorFlow, MXNet | |
| Tabellarische Klassifikation | Ja | Ja | LightGBM, XGBoost CatBoost, Linear Learner AutoGluon-Tabular TabTransformer |
Einführung in die - Tabellarische Klassifikation JumpStart - LightGBM, CatBoost Einführung in die JumpStart - Tabellarische Klassifikation - XGBoost, Linear Learner Einführung in - Tabellarische Klassifikation JumpStart - Learner AutoGluon Einführung in die Tabellarische JumpStart Klassifikation — Lernender TabTransformer |
| Tabellarische Regression | Ja | Ja | LightGBM, XGBoost, CatBoost, Linear Learner AutoGluon-Tabular TabTransformer |
Einführung in - Tabellarische Regression JumpStart - LightGBM, CatBoost Einführung in JumpStart — Tabellarische Regression — XGBoost, Linear Learner Einführung in — Tabellarische Regression — JumpStart Learner AutoGluon Einführung in JumpStart — Tabellarische Regression — Learner TabTransformer |
