بازگشت به چت هما هما وبلاگ
اخبار زنده هوش مصنوعی
۱۲ خبر
کسب‌وکار انقلاب در مدیریت منابع هوش مصنوعی: قابلیت جدید AWS Batch برای SageMaker قابلیت مدیریت سهمیه AWS Batch برای SageMaker Training Jobs، اشتراک‌گذاری و قرض‌دهی منابع هوش مصنوعی بین تیم‌ها را ممکن می‌سازد. این نوآوری از AWS، بهینه‌سازی و افزایش بهره‌وری پروژه‌های یادگیری ماشین را به ارمغان می‌آورد. محصولات AWS با SOCI تصاویر را سریع‌تر می‌کند: سرعت کارهای SageMaker در هوش مصنوعی معرفی SOCI-Indexed Images توسط AWS، استاندارد جدیدی برای جستجوی تصاویر و سرعت‌ بخشیدن به کارهای SageMaker در هوش مصنوعی؛ مزایا و کاربردهای عملی. محصولات ادغام عمیق هوش مصنوعی: از هافینگ‌فیس تا Amazon SageMaker Studio فقط با یک کلیک آمازون از ادغام عمیق بین هافینگ‌فیس و SageMaker Studio رونمایی کرد. توسعه‌دهندگان هوش مصنوعی اکنون می‌توانند تنها با یک کلیک از کشف مدل به آزمایش عملی در محیط استودیو منتقل شوند. اخبار هوش مصنوعی در اختیار توسعه‌دهندگان: کانتینر Embedding در سیگمتر هاجینگ فیس و ساجماکر کانتینر Embedding جدید هاجینگ فیس اکنون در AWS SageMaker در دسترس است؛ این ابزار به توسعه‌دهندگان اجازه می‌دهد مدل‌های embedding را برای ساخت برنامه‌های هوش مصنوعی نسل بعدی پیاده‌سازی کنند. اخبار هوش مصنوعی در AWS: عرضه عمومی Text Generation Inference برای Inferentia2 هاگینگ فیس از در دسترس بودن عمومی Text Generation Inference روی AWS Inferentia2 و SageMaker خبر داد؛ راهکاری جدید برای استقرار مدل‌های زبانی بزرگ بدون نیاز به GPU. پژوهش استقرار Llama 2 بر Amazon SageMaker: راهنمایی هوش مصنوعی کم هزینه این مقاله، بیانگر نتایج یک بنچمارک جامع بر روی Llama 2 در Amazon SageMaker است و بهترین گزینه‌های کم هزینه و بالاترین سرعت را برای شرکت‌ها معرفی می‌کند. پژوهش هوش‌مصنوعی و پردازش سریع: ۵۰٪ کاهش تاخیر با SageMaker و Hugging Face Fetch با ترکیب Amazon SageMaker و Hugging Face توانست تاخیر پردازش یادگیری ماشین خود را ۵۰٪ کاهش دهد و دقت اسکن رسیدها را به طور چشمگیری بالا ببرد. محصولات کانتینر جدید Hugging Face برای استقرار مدل‌های هوش مصنوعی در SageMaker هانگینگ فیس کانتینر استنتاج جدیدی برای استقرار مدل‌های زبانی بزرگ در Amazon SageMaker معرفی کرد. این راهکار بر پایه Text Generation Inference عملکردی بهینه و امن ارائه می‌دهد. مدل‌ها چگونه GPT‑J ۶ میلیارد پارامتر را بر روی ساجمارک خودکار به‌کارگیری کنید GPT‑J ۶ میلیارد پارامتر را با استفاده از کتابخانه Transformers و پلتفرم Amazon SageMaker به‌صورت سریع و مقیاس‌پذیر بر روی سرورهای خود در دسترس می‌آوریم. راهنمای گام‌به‌گام و نکات کلیدی را بررسی می‌کنیم. اخبار استقرار آسان مدل‌های هوش مصنوعی Hugging Face با Amazon SageMaker با همکاری Hugging Face و آمازون، اکنون می‌توانید مدل‌های ترنسفورمر را تنها با یک خط کد در SageMaker مستقر کنید.