Exemples de blocs-notes
Pour obtenir des exemples expliquant étape par étape comment utiliser les modèles de fondation JumpStart accessibles au public avec le kit SageMaker Python SDK, reportez-vous aux blocs-notes suivants sur la génération de texte et d’images, et la personnalisation de modèles.
Note
Les modèles de fondation JumpStart propriétaires et accessibles au public proposent différents flux de travail de déploiement du kit SageMaker AI Python SDK. Découvrez des exemples de blocs-notes de modèles de fondation propriétaires via Amazon SageMaker Studio Classic ou la console SageMaker AI. Pour plus d’informations, consultez Utilisation des modèles de fondation JumpStart.
Vous pouvez cloner le référentiel d’exemples Amazon SageMaker AI
Prédiction de séries temporelles
Vous pouvez utiliser les modèles Chronos pour prévoir des données de séries temporelles. Ils sont basés sur l’architecture du modèle de langage. Utilisez le bloc-notes Introduction to SageMaker JumpStart - Time Series Forecasting with Chronos
Pour en savoir plus sur les modèles Chronos disponibles, consultez Modèles de fondation disponibles.
Génération de texte
Découvrez des exemples de bloc-notes de génération de texte, notamment des conseils sur les flux de travail généraux de génération de texte, la classification de textes multilingues, l'inférence par lots en temps réel, l'apprentissage en quelques coups, les interactions avec les chatbots, etc.
-
Modèles de fondation SageMaker JumpStart - Génération HuggingFace Text2Text avec FLAN-T5 XL comme exemple
(langue française non garantie) -
Modèles de fondation SageMaker JumpStart - BloomZ : Classification de texte multilingue, questions et réponses, génération de code, reformulation de paragraphe, etc.
(langue française non garantie) -
Modèles de fondation SageMaker JumpStart - Génération HuggingFace Text2Text : transformation par lots et inférence par lots en temps réel
(langue française non garantie) -
Modèles de fondation SageMaker JumpStart - Apprentissage en quelques coups GPT-J, GPT-Neo
(langue française non garantie) -
Modèles de fondation SageMaker JumpStart - Chatbots
(langue française non garantie) -
Introduction to SageMaker JumpStart - Text Generation with Mistral models
-
Introduction to SageMaker JumpStart - Text Generation with Falcon models
Génération d'images
Commencez à utiliser les modèles Stable Diffusion texte-image, découvrez comment déployer un modèle de retouche et testez un flux de travail simple pour générer des images de votre chien.
-
Introduction à JumpStart - Conversion de texte en image
(langue française non garantie) -
Introduction à la modification d'image JumpStart - Retouche Stable Diffusion
(langue française non garantie) -
Génération d'images amusantes de votre chien
(langue française non garantie)
Personnalisation de modèles
Votre cas d'utilisation nécessite parfois de personnaliser davantage le modèle de fondation pour certaines tâches. Pour plus d'informations sur les approches de personnalisation des modèles, consultez Personnalisation d’un modèle de fondation ou explorez l'un des exemples de blocs-notes suivants.
-
Modèles de fondation SageMaker JumpStart - Optimisation du modèle GPT-J 6B de génération de texte sur un jeu de données spécifique au domaine
(langue française non garantie) -
Modèles de fondation SageMaker JumpStart - Optimisation de l'instruction HuggingFace Text2Text
(langue française non garantie) -
Retrieval-Augmented Generation: Question Answering using LLama-2, Pinecone and Custom Dataset
-
Génération augmentée de récupération : réponse aux questions en fonction d'un jeu de données personnalisé avec une bibliothèque LangChain open source
(langue française non garantie) -
Génération augmentée de récupération : réponse aux questions en fonction d'un jeu de données personnalisé
(langue française non garantie) -
Retrieval-Augmented Generation: Question Answering using Llama-2 and Text Embedding Models
-
Amazon SageMaker JumpStart - Text Embedding and Sentence Similarity
