L'IA générative attire actuellement l'attention du public, avec des discussions autour de produits tels que GPT4, ChatGPT, DALL-E2, Bard et de nombreuses autres technologies d'IA. De nombreux clients ont demandé plus d'informations sur les solutions d'IA générative d'AWS. L'objectif de cet article est de répondre à ces besoins.
Cet article donne un aperçu de l'IA générative avec un cas d'utilisation client réel, fournit une description concise et décrit ses avantages, fait référence à une démo facile à suivre de AWS DeepComposer pour créer de nouvelles compositions musicales et explique comment commencer à utiliser Amazon SageMaker JumpStart pour déployer GPT2, Stable Diffusion 2.0 et d'autres modèles d'IA générative.
Présentation de l'IA générative
L'IA générative est un domaine spécifique de l'intelligence artificielle qui se concentre sur la génération de nouveau matériel. C'est l'un des domaines les plus passionnants du monde de l'IA, avec le potentiel de transformer les entreprises existantes et de permettre à des idées commerciales complètement nouvelles d'arriver sur le marché. Vous pouvez utiliser des techniques génératives pour :
- Créer de nouvelles œuvres d'art à l'aide d'un modèle tel que Stable Diffusion 2.0
- Écrire un best-seller en utilisant un modèle tel que GPT2, Bloom ou Flan-T5-XL
- Composer votre prochaine symphonie à l'aide de la technique Transformers dans AWS DeepComposer
AWS DeepComposer est un outil pédagogique qui vous aide à comprendre les concepts clés associés à l'apprentissage automatique (ML) à travers le langage de la composition musicale. Pour en savoir plus, consultez Générez un morceau de jazz rock à l'aide de l'intelligence artificielle générative.
Stable Diffusion, GPT2, Bloom et Flan-T5-XL sont tous des modèles ML. Ce sont simplement des algorithmes mathématiques qui doivent être formés pour identifier des modèles dans les données. Une fois les modèles appris, ils sont déployés sur les terminaux, prêts pour un processus appelé inférence. De nouvelles données que le modèle n'a pas vues sont introduites dans le modèle d'inférence, et un nouveau matériel créatif est produit.
Par exemple, avec des modèles de génération d'images tels que Stable Diffusion, nous pouvons créer de superbes illustrations en quelques mots. Avec des modèles de génération de texte tels que GPT2, Bloom et Flan-T5-XL, nous pouvons générer de nouveaux articles littéraires, et potentiellement des livres, à partir d'une simple phrase humaine.
Autodesk est un client AWS utilisant Amazon Sage Maker pour aider leurs concepteurs de produits à trier des milliers d'itérations de conceptions visuelles pour divers cas d'utilisation et utiliser ML pour aider à choisir la conception optimale. Plus précisément, ils ont travaillé avec Edera Safety pour aider à développer un protecteur de la moelle épinière qui protège les cyclistes des accidents lors de la participation à des événements sportifs, tels que le VTT. Pour plus d'informations, regardez la vidéo AWS Machine Learning permet l'optimisation de la conception.
Pour en savoir plus sur ce que font les clients AWS avec l'IA générative et la mode, consultez Style de mode virtuel avec IA générative utilisant Amazon SageMaker.
Maintenant que nous comprenons ce qu'est l'IA générative, passons à une démonstration JumpStart pour apprendre à générer de nouveaux textes ou images avec l'IA.
Pré-requis
Amazon SageMakerStudio est l'environnement de développement intégré (IDE) de SageMaker qui nous fournit toutes les fonctionnalités ML dont nous avons besoin dans une seule fenêtre. Avant de pouvoir exécuter JumpStart, nous devons configurer Studio. Vous pouvez ignorer cette étape si vous avez déjà votre propre version de Studio en cours d'exécution.
La première chose que nous devons faire avant de pouvoir utiliser les services AWS est de nous assurer que nous nous sommes inscrits et avons créé un compte AWS. Ensuite, créez un utilisateur administratif et un groupe. Pour obtenir des instructions sur les deux étapes, reportez-vous à Configurer les prérequis d'Amazon SageMaker.
L'étape suivante consiste à créer un domaine SageMaker. Un domaine configure tout le stockage et vous permet d'ajouter des utilisateurs pour accéder à SageMaker. Pour plus d'informations, reportez-vous à Intégration au domaine Amazon SageMaker. Cette démo est créée dans la région AWS us-east-1
.
Enfin, vous lancez Studio. Pour cet article, nous vous recommandons de lancer une application de profil utilisateur. Pour obtenir des instructions, reportez-vous à Lancer Amazon SageMaker Studio.
Choisissez une solution JumpStart
Nous arrivons maintenant à la partie passionnante. Vous devriez maintenant être connecté à Studio et voir une page similaire à la capture d'écran suivante.
Dans le volet de navigation, sous SageMaker JumpStart, choisissez Modèles, cahiers, solutions.
Vous êtes présenté avec une gamme de solutions, de modèles de base et d'autres artefacts qui peuvent vous aider à démarrer avec un modèle spécifique ou un problème métier ou un cas d'utilisation spécifique.
Si vous souhaitez expérimenter dans un domaine particulier, vous pouvez utiliser la fonction de recherche. Ou vous pouvez simplement parcourir les artefacts pour trouver le modèle ou la solution métier correspondant à vos besoins.
Par exemple, si vous êtes intéressé par les solutions de détection de fraude, entrez détection de fraude dans la barre de recherche.
Si vous êtes intéressé par les solutions de génération de texte, entrez la génération de texte dans la barre de recherche. Un bon point de départ si vous souhaitez explorer une gamme de modèles de génération de texte est de sélectionner le bloc-notes Intro to JS - Text Generation.
Plongeons-nous dans une démonstration spécifique du modèle GPT-2.
Démo du modèle JumpStart GPT-2
GPT 2 est un modèle de langage qui aide à générer un texte de type humain basé sur une invite donnée. Nous pouvons utiliser ce type de modèle de transformateur pour créer de nouvelles phrases et nous aider à automatiser l'écriture. Cela peut être utilisé pour la création de contenu tels que les blogs, les publications sur les réseaux sociaux et les livres.
Le modèle GPT 2 fait partie de la famille Generative Pre-Trained Transformer qui était le prédécesseur de GPT 3. Au moment de la rédaction, GPT 3 est utilisé comme base pour l'application OpenAI ChatGPT.
Pour commencer à explorer la démo du modèle GPT-2 dans JumpStart, procédez comme suit :
- Sur JumpStart, recherchez et choisissez GPT 2.
- Dans le Déployer Modèle section, développez Configuration du déploiement.
- Pour Instance d'hébergement SageMaker, choisissez votre instance (pour cet article, nous utilisons ml.c5.2xlarge).
Différents types de machines ont des prix différents. Au moment de la rédaction, le ml.c5.2xlarge que nous avons sélectionné coûte moins de 0.50 $ par heure. Pour les prix les plus récents, consultez Tarification d'Amazon SageMaker.
- Pour Nom du noeud final, entrez demo-hf-textgeneration-gpt2.
- Selectionnez Déployer.
Attendez que le point de terminaison ML se déploie (jusqu'à 15 minutes).
- Lorsque le point de terminaison est déployé, choisissez Cahier ouvert.
Vous verrez une page similaire à la capture d'écran suivante.
Le document que nous utilisons pour présenter notre démonstration est un cahier Jupyter, qui comprend tout le code Python nécessaire. Notez que le code de cette capture d'écran peut être légèrement différent du code que vous avez, car AWS met constamment à jour ces blocs-notes et s'assure qu'ils sont sécurisés, exempts de défauts et offrent la meilleure expérience client.
- Cliquez dans la première cellule et choisissez Ctrl + Entrée pour exécuter le bloc de code.
Un astérisque (*) apparaît à gauche du bloc de code puis se transforme en chiffre. L'astérisque indique que le code est en cours d'exécution et qu'il est terminé lorsque le numéro apparaît.
- Dans le bloc de code suivant, entrez un exemple de texte, puis appuyez sur Ctrl + Entrée.
- Selectionnez Ctrl + Entrée dans le troisième bloc de code pour l'exécuter.
Après environ 30 à 60 secondes, vous verrez vos résultats d'inférence.
Pour le texte d'entrée "Once upon a time there were 18 sandwiches,
” nous obtenons le texte généré suivant :
Pour le texte d'entrée "And for the final time Peter said to Mary,
” nous obtenons le texte généré suivant :
Vous pouvez expérimenter l'exécution de ce troisième bloc de code plusieurs fois, et vous remarquerez que le modèle fait des prédictions différentes à chaque fois.
Pour personnaliser la sortie à l'aide de certaines des fonctionnalités avancées, faites défiler vers le bas pour expérimenter le quatrième bloc de code.
Pour en savoir plus sur les modèles de génération de texte, reportez-vous à Exécutez la génération de texte avec les modèles Bloom et GPT sur Amazon SageMaker JumpStart.
Nettoyer les ressources
Avant de poursuivre, n'oubliez pas de supprimer votre point de terminaison lorsque vous avez terminé. Dans l'onglet précédent, sous Supprimer le point de terminaison, choisissez Supprimer.
Si vous avez accidentellement fermé ce bloc-notes, vous pouvez également supprimer votre point de terminaison via la console SageMaker. Sous Inférence dans le volet de navigation, choisissez Endpoints.
Sélectionnez le point de terminaison que vous avez utilisé et sur le Actions menu, choisissez Supprimer.
Maintenant que nous comprenons comment utiliser notre première solution JumpStart, examinons l'utilisation d'un modèle de diffusion stable.
Démonstration du modèle JumpStart Stable Diffusion
Nous pouvons utiliser le modèle Stable Diffusion 2 pour générer des images à partir d'une simple ligne de texte. Cela peut être utilisé pour générer du contenu pour des éléments tels que des publications sur les réseaux sociaux, du matériel promotionnel, des pochettes d'album ou tout ce qui nécessite des illustrations créatives.
- Revenez à JumpStart, puis recherchez et choisissez Diffusion stable 2.
- Dans le Déployer Modèle section, développez Configuration du déploiement.
- Pour Instance d'hébergement SageMaker, choisissez votre instance (pour cet article, nous utilisons ml.g5.2xlarge).
- Pour Nom du noeud final, Entrer
demo-stabilityai-stable-diffusion-v2
. - Selectionnez Déployer.
Comme il s'agit d'un modèle plus grand, son déploiement peut prendre jusqu'à 25 minutes. Lorsqu'il est prêt, l'état du point de terminaison s'affiche comme suit : En service.
- Selectionnez Cahier ouvert pour ouvrir un notebook Jupyter avec du code Python.
- Exécutez les premier et deuxième blocs de code.
- Dans le troisième bloc de code, modifiez l'invite de texte, puis exécutez la cellule.
Attendez environ 30 à 60 secondes pour que votre image apparaisse. L'image suivante est basée sur notre exemple de texte.
Encore une fois, vous pouvez jouer avec les fonctionnalités avancées dans le bloc de code suivant. L'image qu'il crée est différente à chaque fois.
Nettoyer les ressources
Encore une fois, n'oubliez pas de supprimer votre point de terminaison. Cette fois, nous utilisons ml.g5.2xlarge, ce qui entraîne des frais légèrement plus élevés qu'auparavant. Au moment d'écrire ces lignes, c'était un peu plus de 1 $ de l'heure.
Enfin, passons à AWS DeepComposer.
AWS DeepComposer
AWS DeepComposer est un excellent moyen d'en savoir plus sur l'IA générative. Il vous permet d'utiliser des mélodies intégrées dans vos modèles pour générer de nouvelles formes de musique. Le modèle que vous utilisez détermine la façon dont la mélodie d'entrée est transformée.
Si vous avez l'habitude de participer à AWS Deep Racer jours pour aider vos employés à se familiariser avec l'apprentissage par renforcement, envisagez d'augmenter et d'améliorer la journée avec AWS DeepComposer pour en savoir plus sur l'IA générative.
Pour une explication détaillée et une démonstration facile à suivre de trois des modèles de cet article, reportez-vous à Générez un morceau de jazz rock à l'aide de l'intelligence artificielle générative.
Découvrez ce qui suit exemples sympas chargé sur SoundCloud à l'aide d'AWS DeepComposer.
Nous aimerions voir vos expériences, alors n'hésitez pas à nous contacter via les médias sociaux (@digitalcolmer) et à partager vos apprentissages et vos expériences.
Conclusion
Dans cet article, nous avons parlé de la définition de l'IA générative, illustrée par une histoire client AWS. Nous vous avons ensuite expliqué comment démarrer avec Studio et JumpStart, et vous avons montré comment démarrer avec les modèles GPT 2 et Stable Diffusion. Nous avons terminé avec un bref aperçu d'AWS DeepComposer.
Pour explorer davantage JumpStart, essayez d'utiliser vos propres données pour affiner un modèle existant. Pour plus d'informations, reportez-vous à Formation incrémentielle avec Amazon SageMaker JumpStart. Pour plus d'informations sur le réglage fin des modèles de diffusion stable, reportez-vous à Ajustez les modèles de diffusion stable du texte à l'image avec Amazon SageMaker JumpStart.
Pour en savoir plus sur les modèles de diffusion stable, reportez-vous à Générez des images à partir de texte avec le modèle de diffusion stable sur Amazon SageMaker JumpStart.
Nous n'avons couvert aucune information sur le modèle Flan-T5-XL, donc pour en savoir plus, reportez-vous à ce qui suit GitHub repoL’ Exemples Amazon SageMaker repo comprend également une gamme de blocs-notes disponibles sur GitHub pour les différents produits SageMaker, y compris JumpStart, couvrant une gamme de cas d'utilisation différents.
Pour en savoir plus sur AWS ML via une gamme d'actifs numériques gratuits, consultez notre Guide de montée en puissance d'AWS Machine Learning. Vous pouvez également essayer gratuitement notre Plan d'apprentissage ML pour approfondir vos connaissances actuelles ou avoir un point de départ clair. Pour suivre un cours dirigé par un instructeur, nous vous recommandons fortement les cours suivants :
C'est vraiment une période passionnante dans l'espace AI/ML. AWS est là pour vous accompagner dans votre parcours ML, alors n'hésitez pas à nous contacter sur les réseaux sociaux. Nous sommes impatients de voir tout votre apprentissage, vos expériences et votre plaisir avec les différents services ML au cours des prochains mois et nous savourons l'opportunité d'être votre instructeur dans votre parcours ML.
À propos de l’auteur
Paul Colmer est un formateur technique senior chez Amazon Web Services spécialisé dans l'apprentissage automatique et l'IA générative. Sa passion est d'aider les clients, les partenaires et les employés à se développer et à grandir grâce à des récits captivants, des expériences partagées et un transfert de connaissances. Avec plus de 25 ans dans l'industrie informatique, il se spécialise dans les pratiques culturelles agiles et les solutions d'apprentissage automatique. Paul est membre du London College of Music et membre de la British Computer Society.
- Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
- PlatoAiStream. Intelligence des données Web3. Connaissance Amplifiée. Accéder ici.
- Frapper l'avenir avec Adryenn Ashley. Accéder ici.
- Achetez et vendez des actions de sociétés PRE-IPO avec PREIPO®. Accéder ici.
- La source: https://aws.amazon.com/blogs/machine-learning/get-started-with-generative-ai-on-aws-using-amazon-sagemaker-jumpstart/
- :est
- :ne pas
- $UP
- 1
- 11
- 15%
- 50
- 500
- 7
- 8
- 9
- 937
- a
- Description
- accès
- accidents
- Compte
- ajouter
- propos
- administratif
- Avancée
- Après
- agile
- AI
- AI / ML
- objectif
- Album
- algorithmes
- Tous
- permettre
- permet
- déjà
- aussi
- Amazon
- Amazon Sage Maker
- Amazon SageMaker JumpStart
- Amazon Web Services
- an
- ainsi que
- tous
- quoi que ce soit d'artificiel
- appli
- apparaître
- Candidature
- SONT
- Réservé
- autour
- L'art
- sur notre blog
- artificiel
- intelligence artificielle
- œuvres d'art
- AS
- Outils
- associé
- At
- attaché
- précaution
- Autodesk
- automatiser
- disponibles
- AWS
- Client AWS
- barre
- basé
- BE
- car
- de bœuf
- était
- before
- Début
- qui ne s'occupent pas de leur chez-soi.
- LES MEILLEURS
- bénédiction
- Block
- Blocs
- blogue
- Bloom
- livre
- Livres
- tous les deux
- Britannique
- construire
- intégré
- la performance des entreprises
- Idées d'affaires
- entreprises
- mais
- by
- CAN
- maisons
- cas
- Change
- des charges
- ChatGPT
- vérifier
- Selectionnez
- clair
- fonds à capital fermé
- code
- Université
- comment
- Venir
- irrésistible
- complet
- complètement
- ordinateur
- concepts
- NOUS CONTACTER
- Considérer
- Console
- constamment
- contenu
- création de contenu
- cours
- cours
- couverture
- couvrant
- couvre
- engendrent
- créée
- crée des
- La création
- création
- Conception
- à la diversité
- Courant
- des clients
- expérience client
- Clients
- données
- journée
- jours
- Décès
- Démo
- déployer
- déployé
- déployer
- la description
- Conception
- designers
- Avec nos Bagues Halo
- détaillé
- Détection
- détermine
- développer
- Développement
- différent
- La diffusion
- numérique
- Actifs numériques
- do
- document
- faire
- domaine
- Ne pas
- down
- chacun
- pédagogique
- employés
- permet
- englobe
- Endpoint
- améliorer
- Entrer
- Environment
- Ether (ETH)
- événements
- Chaque
- exemple
- passionnant
- existant
- Développer vous
- Découvrez
- Expériences
- expérience
- expériences
- explication
- explorez
- Explorant
- famille
- Mode
- Fonctionnalités:
- Fed
- ressentir
- compagnon
- few
- champ
- Des champs
- finale
- Trouvez
- Prénom
- se concentre
- Abonnement
- nourriture
- Pour
- document
- Avant
- Fondation
- quatre
- Quatrièmement
- fraude
- détection de fraude
- Test d'anglais
- de
- amusement
- fonction
- gagner
- générer
- généré
- générateur
- génération
- génératif
- IA générative
- obtenez
- GitHub
- donné
- en verre.
- Bien
- l'
- Réservation de groupe
- Croître
- main
- Vous avez
- he
- entendu
- aider
- aider
- aide
- ici
- augmentation
- très
- sa
- hébergement
- heure
- Comment
- How To
- HTML
- HTTPS
- humain
- et idées cadeaux
- identifier
- if
- image
- génération d'image
- satellite
- in
- inclut
- Y compris
- indique
- industrie
- d'information
- contribution
- instance
- Des instructions
- des services
- Intelligence
- intéressé
- développement
- IT
- Industrie informatique
- itérations
- SES
- chemin
- jpg
- saut
- Jupyter Notebook
- juste
- clés / KEY :
- spécialisées
- le transfert de connaissances
- connu
- langue
- plus importantes
- lancer
- lancement
- APPRENTISSAGE
- savant
- apprentissage
- à gauche
- comme
- Gamme
- vie
- Connecté
- London
- Style
- Lot
- love
- click
- machine learning
- LES PLANTES
- faire
- FAIT DU
- Fabrication
- de nombreuses
- Marché
- Matériel
- mathématique
- Médias
- minutes
- ML
- modèle
- numériques jumeaux (digital twin models)
- mois
- PLUS
- (en fait, presque toutes)
- Montagne
- Bougez
- plusieurs
- Musique
- musical
- prénom
- Navigation
- nécessaire
- Besoin
- Besoins
- Nouveauté
- next
- noter
- cahier
- ordinateurs portables
- Remarquer..
- maintenant
- nombre
- of
- on
- ONE
- ouvert
- OpenAI
- Opportunités
- optimaux
- or
- Autre
- nos
- ande
- grandes lignes
- sortie
- plus de
- vue d'ensemble
- propre
- page
- pain
- partie
- participant
- particulier
- partenaires,
- passion
- motifs
- paul
- Personnes
- Peter
- image
- Place
- Platon
- Intelligence des données Platon
- PlatonDonnées
- Jouez
- veuillez cliquer
- Point
- des notes bonus
- Post
- Poteaux
- défaillances
- l'éventualité
- pratiques
- prédécesseur
- Prédictions
- représentent
- présenté
- Press
- précédent
- prix
- établissement des prix
- Problème
- processus
- Produit
- Produit
- Produits
- Profil
- promotionnel
- fournir
- fournit
- public
- Python
- gamme
- plutôt
- nous joindre
- solutions
- réal
- recommander
- région
- pertinent
- a besoin
- au Deck restaurant
- Résultats
- coureurs
- Rock
- Courir
- pour le running
- Sécurité
- sagemaker
- Saïd
- SAINT
- volute
- Rechercher
- Deuxièmement
- secondes
- Section
- sécurisé
- sur le lien
- voir
- vu
- choisi
- supérieur
- phrase
- service
- Services
- set
- Sets
- Partager
- commun
- devrait
- vitrine
- Spectacles
- signé
- similaires
- étapes
- simplement
- unique
- légèrement différente
- So
- Réseaux sociaux
- réseaux sociaux
- Publications sur les réseaux sociaux
- Société
- sur mesure
- Solutions
- quelques
- Soundcloud
- Space
- spécialise
- spécialisation
- groupe de neurones
- spécifiquement
- stable
- Commencer
- j'ai commencé
- Commencez
- Statut
- étapes
- Étapes
- storage
- Histoire
- storytelling
- studio
- Étourdissant
- tel
- Support
- sûr
- Prenez
- Discours
- Technique
- techniques
- Les technologies
- génération de texte
- que
- qui
- La
- leur
- puis
- Là.
- Ces
- l'ont
- chose
- des choses
- Troisièmement
- this
- ceux
- milliers
- trois
- Avec
- fiable
- fois
- à
- outil
- suivre
- qualifié
- Formation
- transférer
- Transformer
- transformé
- transformateur
- transformateurs
- vraiment
- se tourne
- type
- types
- sous
- comprendre
- mise à jour
- la mise à jour
- téléchargé
- sur
- us
- utilisé
- cas d'utilisation
- d'utiliser
- Utilisateur
- utilisateurs
- en utilisant
- divers
- version
- via
- Vidéo
- Attendre
- souhaitez
- était
- Façon..
- we
- web
- services Web
- ont été
- Quoi
- quand
- qui
- tout en
- WHO
- sera
- avec
- dans les
- des mots
- travaillé
- vos contrats
- world
- pourra
- Enveloppé
- écriture
- années
- you
- Votre
- zéphyrnet