AI generatif saat ini mendapatkan banyak perhatian publik, dengan pembicaraan seputar produk seperti GPT4, ChatGPT, DALL-E2, Bard, dan banyak teknologi AI lainnya. Banyak pelanggan yang meminta informasi lebih lanjut tentang solusi AI generatif AWS. Tujuan dari posting ini adalah untuk memenuhi kebutuhan tersebut.
Posting ini memberikan ikhtisar AI generatif dengan kasus penggunaan pelanggan nyata, memberikan deskripsi singkat dan menguraikan manfaatnya, referensi demo yang mudah diikuti AWS DeepComposer untuk membuat komposisi musik baru, dan menguraikan cara mulai menggunakan Mulai Lompatan Amazon SageMaker untuk menerapkan GPT2, Stable Diffusion 2.0, dan model AI generatif lainnya.
Ikhtisar AI generatif
AI generatif adalah bidang khusus kecerdasan buatan yang berfokus pada menghasilkan materi baru. Ini adalah salah satu bidang paling menarik di dunia AI, dengan potensi untuk mengubah bisnis yang ada dan memungkinkan ide bisnis yang benar-benar baru masuk ke pasar. Anda dapat menggunakan teknik generatif untuk:
- Membuat karya seni baru menggunakan model seperti Stable Diffusion 2.0
- Menulis buku terlaris menggunakan model seperti GPT2, Bloom, atau Flan-T5-XL
- Menyusun simfoni Anda berikutnya menggunakan teknik Transformers di AWS DeepComposer
AWS DeepComposer adalah alat pendidikan yang membantu Anda memahami konsep utama yang terkait dengan pembelajaran mesin (ML) melalui bahasa komposisi musik. Untuk mempelajari lebih lanjut, lihat Hasilkan trek jazz rock menggunakan Kecerdasan Buatan Generatif.
Difusi Stabil, GPT2, Bloom, dan Flan-T5-XL semuanya adalah model ML. Mereka hanyalah algoritma matematika yang perlu dilatih untuk mengidentifikasi pola dalam data. Setelah pola dipelajari, mereka diterapkan ke titik akhir, siap untuk proses yang dikenal sebagai inferensi. Data baru yang belum dilihat model dimasukkan ke dalam model inferensi, dan materi kreatif baru dihasilkan.
Misalnya, dengan model pembuatan gambar seperti Stable Diffusion, kita dapat membuat ilustrasi yang memukau menggunakan beberapa kata. Dengan model pembuatan teks seperti GPT2, Bloom, dan Flan-T5-XL, kami dapat membuat artikel sastra baru, dan mungkin buku, dari kalimat manusia yang sederhana.
Autodesk adalah pelanggan AWS yang menggunakan Amazon SageMaker untuk membantu desainer produk mereka menyortir ribuan iterasi desain visual untuk berbagai kasus penggunaan dan menggunakan ML untuk membantu memilih desain yang optimal. Secara khusus, mereka telah bekerja sama dengan Edera Safety untuk membantu mengembangkan pelindung saraf tulang belakang yang melindungi pengendara dari kecelakaan saat berpartisipasi dalam acara olahraga, seperti bersepeda gunung. Untuk informasi lebih lanjut, lihat videonya Pembelajaran Mesin AWS Mengaktifkan Pengoptimalan Desain.
Untuk mempelajari selengkapnya tentang apa yang dilakukan pelanggan AWS dengan AI dan mode generatif, lihat Penataan busana virtual dengan AI generatif menggunakan Amazon SageMaker.
Sekarang setelah kita memahami apa itu AI generatif, mari lompat ke demonstrasi JumpStart untuk mempelajari cara menghasilkan teks atau gambar baru dengan AI.
Prasyarat
Studio Amazon SageMaker adalah lingkungan pengembangan terintegrasi (IDE) dalam SageMaker yang memberi kita semua fitur ML yang kita butuhkan dalam satu panel kaca. Sebelum kita dapat menjalankan JumpStart, kita perlu menyiapkan Studio. Anda dapat melewati langkah ini jika Anda sudah menjalankan versi Studio Anda sendiri.
Hal pertama yang perlu kita lakukan sebelum dapat menggunakan layanan AWS apa pun adalah memastikan bahwa kita telah mendaftar dan membuat akun AWS. Selanjutnya adalah membuat pengguna administratif dan grup. Untuk instruksi tentang kedua langkah, lihat Siapkan Prasyarat Amazon SageMaker.
Langkah selanjutnya adalah membuat domain SageMaker. Domain menyiapkan semua penyimpanan dan memungkinkan Anda menambahkan pengguna untuk mengakses SageMaker. Untuk informasi lebih lanjut, lihat Masuk ke Domain Amazon SageMaker. Demo ini dibuat di Wilayah AWS us-east-1
.
Terakhir, Anda meluncurkan Studio. Untuk posting ini, kami sarankan untuk meluncurkan aplikasi profil pengguna. Untuk instruksi, lihat Luncurkan Amazon SageMaker Studio.
Pilih solusi JumpStart
Sekarang kita sampai pada bagian yang menarik. Anda sekarang harus masuk ke Studio, dan melihat halaman yang mirip dengan tangkapan layar berikut.
Di panel navigasi, di bawah SageMaker JumpStart, pilih Model, notebook, solusi.
Anda diberikan berbagai solusi, model dasar, dan artefak lain yang dapat membantu Anda memulai dengan model tertentu atau masalah bisnis tertentu atau kasus penggunaan.
Jika Anda ingin bereksperimen di area tertentu, Anda dapat menggunakan fungsi pencarian. Atau Anda cukup menelusuri artefak untuk menemukan model atau solusi bisnis yang relevan dengan kebutuhan Anda.
Misalnya, jika Anda tertarik dengan solusi deteksi penipuan, masukkan deteksi penipuan ke dalam bilah pencarian.
Jika Anda tertarik dengan solusi pembuatan teks, masukkan pembuatan teks ke dalam bilah pencarian. Tempat yang baik untuk memulai jika Anda ingin menjelajahi berbagai model pembuatan teks adalah dengan memilih buku catatan Intro to JS โ Text Generation.
Mari selami demonstrasi spesifik model GPT-2.
Demo model JumpStart GPT-2
GPT 2 adalah model bahasa yang membantu menghasilkan teks mirip manusia berdasarkan perintah yang diberikan. Kita dapat menggunakan model transformator jenis ini untuk membuat kalimat baru dan membantu kita mengotomatiskan penulisan. Ini dapat digunakan untuk pembuatan konten seperti blog, posting media sosial, dan buku.
Model GPT 2 adalah bagian dari keluarga Transformer Pra-Terlatih Generatif yang merupakan pendahulu GPT 3. Pada saat penulisan, GPT 3 digunakan sebagai dasar untuk aplikasi OpenAI ChatGPT.
Untuk mulai menjelajahi demo model GPT-2 di JumpStart, selesaikan langkah-langkah berikut:
- Di JumpStart, cari dan pilih GPT2.
- Dalam majalah Menyebarkan Model bagian, luaskan Konfigurasi Penerapan.
- Untuk Contoh hosting SageMaker, pilih instans Anda (untuk postingan ini, kami menggunakan ml.c5.2xlarge).
Jenis mesin yang berbeda memiliki titik harga yang berbeda. Pada saat penulisan, ml.c5.2xlarge yang kami pilih dikenai biaya di bawah $0.50 per jam. Untuk harga terbaru, lihat Harga Amazon SageMaker.
- Untuk Nama titik akhir, masukkan demo-hf-textgeneration-gpt2.
- Pilih Menyebarkan.
Tunggu endpoint ML untuk di-deploy (hingga 15 menit).
- Saat titik akhir diterapkan, pilih Buka Buku Catatan.
Anda akan melihat halaman yang mirip dengan tangkapan layar berikut.
Dokumen yang kami gunakan untuk menampilkan demonstrasi kami adalah notebook Jupyter, yang mencakup semua kode Python yang diperlukan. Perhatikan bahwa kode di tangkapan layar ini mungkin sedikit berbeda dengan kode yang Anda miliki, karena AWS terus memperbarui notebook ini dan memastikannya aman, bebas dari cacat, dan memberikan pengalaman pelanggan terbaik.
- Klik ke sel pertama dan pilih Ctrl + Enter untuk menjalankan blok kode.
Tanda bintang (*) muncul di sebelah kiri blok kode dan kemudian berubah menjadi angka. Tanda bintang menunjukkan bahwa kode sedang berjalan dan selesai saat nomor muncul.
- Di blok kode berikutnya, masukkan beberapa contoh teks, lalu tekan Ctrl + Enter.
- Pilih Ctrl + Enter di blok kode ketiga untuk menjalankannya.
Setelah sekitar 30-60 detik, Anda akan melihat hasil inferensi Anda.
Untuk teks masukan โOnce upon a time there were 18 sandwiches,
โ kami mendapatkan teks yang dihasilkan berikut:
Untuk teks masukan โAnd for the final time Peter said to Mary,
โ kami mendapatkan teks yang dihasilkan berikut:
Anda dapat bereksperimen dengan menjalankan blok kode ketiga ini beberapa kali, dan Anda akan melihat bahwa model membuat prediksi yang berbeda setiap saat.
Untuk menyesuaikan keluaran menggunakan beberapa fitur lanjutan, gulir ke bawah untuk bereksperimen di blok kode keempat.
Untuk mempelajari lebih lanjut tentang model pembuatan teks, lihat Jalankan pembuatan teks dengan model Bloom dan GPT di Amazon SageMaker JumpStart.
Bersihkan sumber daya
Sebelum kita melanjutkan, jangan lupa untuk menghapus titik akhir Anda setelah selesai. Di tab sebelumnya, di bawah Hapus Titik Akhir, pilih Delete.
Jika Anda tidak sengaja menutup notebook ini, Anda juga dapat menghapus titik akhir melalui konsol SageMaker. Di bawah Kesimpulan di panel navigasi, pilih Titik akhir.
Pilih titik akhir yang Anda gunakan dan pada tindakan menu, pilih Delete.
Sekarang setelah kita memahami cara menggunakan solusi JumpStart pertama kita, mari kita lihat penggunaan model Difusi Stabil.
Demo model Difusi Stabil JumpStart
Kita dapat menggunakan model Difusi Stabil 2 untuk menghasilkan gambar dari baris teks sederhana. Ini dapat digunakan untuk menghasilkan konten untuk hal-hal seperti postingan media sosial, materi promosi, sampul album, atau apa pun yang memerlukan karya seni kreatif.
- Kembali ke JumpStart, lalu cari dan pilih Difusi Stabil 2.
- Dalam majalah Menyebarkan Model bagian, luaskan Konfigurasi Penerapan.
- Untuk Contoh hosting SageMaker, pilih instans Anda (untuk postingan ini, kami menggunakan ml.g5.2xlarge).
- Untuk Nama titik akhir, Masuk
demo-stabilityai-stable-diffusion-v2
. - Pilih Menyebarkan.
Karena ini adalah model yang lebih besar, perlu waktu hingga 25 menit untuk diterapkan. Jika sudah siap, status titik akhir ditampilkan sebagai Dalam pelayanan.
- Pilih Buka Buku Catatan untuk membuka notebook Jupyter dengan kode Python.
- Jalankan blok kode pertama dan kedua.
- Di blok kode ketiga, ubah prompt teks, lalu jalankan sel.
Tunggu sekitar 30โ60 detik hingga gambar Anda muncul. Gambar berikut didasarkan pada contoh teks kami.
Sekali lagi, Anda dapat bermain dengan fitur lanjutan di blok kode berikutnya. Gambar yang dibuatnya berbeda setiap saat.
Bersihkan sumber daya
Sekali lagi, jangan lupa untuk menghapus titik akhir Anda. Kali ini, kami menggunakan ml.g5.2xlarge, sehingga dikenakan biaya yang sedikit lebih tinggi dari sebelumnya. Pada saat penulisan, itu lebih dari $ 1 per jam.
Terakhir, mari beralih ke AWS DeepComposer.
AWS DeepComposer
AWS DeepComposer adalah cara yang bagus untuk belajar tentang AI generatif. Ini memungkinkan Anda untuk menggunakan melodi bawaan dalam model Anda untuk menghasilkan bentuk musik baru. Model yang Anda gunakan menentukan bagaimana melodi masukan diubah.
Jika Anda terbiasa berpartisipasi AWS Deep Racer hari untuk membantu karyawan Anda belajar tentang pembelajaran penegakan ulang, pertimbangkan untuk menambah dan menyempurnakan hari dengan AWS DeepComposer untuk belajar tentang AI generatif.
Untuk penjelasan mendetail dan demonstrasi yang mudah diikuti dari tiga model di postingan ini, lihat Hasilkan trek jazz rock menggunakan Kecerdasan Buatan Generatif.
Simak berikut ini contoh keren diunggah ke SoundCloud menggunakan AWS DeepComposer.
Kami ingin melihat eksperimen Anda, jadi silakan hubungi melalui media sosial (@digitalcolmer) dan bagikan pembelajaran dan eksperimen Anda.
Kesimpulan
Dalam postingan ini, kami berbicara tentang definisi AI generatif, yang diilustrasikan oleh kisah pelanggan AWS. Kami kemudian memandu Anda melalui cara memulai dengan Studio dan JumpStart, dan menunjukkan cara memulai dengan model GPT 2 dan Difusi Stabil. Kami mengakhiri dengan ikhtisar singkat tentang AWS DeepComposer.
Untuk menjelajahi JumpStart lebih lanjut, coba gunakan data Anda sendiri untuk menyempurnakan model yang ada. Untuk informasi lebih lanjut, lihat Pelatihan tambahan dengan Amazon SageMaker JumpStart. Untuk informasi tentang penyempurnaan model Difusi Stabil, lihat Sempurnakan model Difusi Stabil teks-ke-gambar dengan Amazon SageMaker JumpStart.
Untuk mempelajari lebih lanjut tentang model Difusi Stabil, lihat Hasilkan gambar dari teks dengan model difusi stabil di Amazon SageMaker JumpStart.
Kami tidak membahas informasi apa pun tentang model Flan-T5-XL, jadi untuk mempelajari lebih lanjut, lihat yang berikut ini GitHub repo. itu Contoh Amazon SageMaker repo juga menyertakan rangkaian notebook yang tersedia di GitHub untuk berbagai produk SageMaker, termasuk JumpStart, yang mencakup berbagai kasus penggunaan yang berbeda.
Untuk mempelajari lebih lanjut tentang AWS ML melalui berbagai aset digital gratis, lihat kami Panduan Peningkatan Pembelajaran Mesin AWS. Anda juga dapat mencoba gratis kami Rencana Pembelajaran ML untuk membangun pengetahuan Anda saat ini atau memiliki titik awal yang jelas. Untuk mengikuti kursus yang dipimpin instruktur, kami sangat merekomendasikan kursus berikut:
Ini benar-benar waktu yang menyenangkan di ruang AI/ML. AWS hadir untuk mendukung perjalanan ML Anda, jadi silakan terhubung dengan kami di media sosial. Kami berharap dapat melihat semua pembelajaran, eksperimen, dan kesenangan Anda dengan berbagai layanan ML selama beberapa bulan mendatang dan menikmati kesempatan untuk menjadi instruktur Anda dalam perjalanan ML Anda.
tentang Penulis
Paul Colmer adalah Pelatih Teknis Senior di Amazon Web Services yang berspesialisasi dalam pembelajaran mesin dan AI generatif. Hasratnya adalah membantu pelanggan, mitra, dan karyawan berkembang dan tumbuh melalui penceritaan yang menarik, berbagi pengalaman, dan transfer pengetahuan. Dengan lebih dari 25 tahun di industri TI, dia berspesialisasi dalam praktik budaya yang gesit dan solusi pembelajaran mesin. Paul adalah Fellow dari London College of Music dan Fellow dari British Computer Society.
- Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
- PlatoAiStream. Kecerdasan Data Web3. Pengetahuan Diperkuat. Akses Di Sini.
- Mencetak Masa Depan bersama Adryenn Ashley. Akses Di Sini.
- Beli dan Jual Saham di Perusahaan PRE-IPO dengan PREIPOยฎ. Akses Di Sini.
- Sumber: https://aws.amazon.com/blogs/machine-learning/get-started-with-generative-ai-on-aws-using-amazon-sagemaker-jumpstart/
- :adalah
- :bukan
- $NAIK
- 1
- 11
- 15%
- 50
- 500
- 7
- 8
- 9
- 937
- a
- Tentang Kami
- mengakses
- kecelakaan
- Akun
- menambahkan
- alamat
- administratif
- maju
- Setelah
- tangkas
- AI
- AI / ML
- tujuan
- Album
- algoritma
- Semua
- mengizinkan
- memungkinkan
- sudah
- juga
- Amazon
- Amazon SageMaker
- Mulai Lompatan Amazon SageMaker
- Amazon Web Services
- an
- dan
- Apa pun
- apa saja
- aplikasi
- muncul
- Aplikasi
- ADALAH
- DAERAH
- sekitar
- Seni
- artikel
- buatan
- kecerdasan buatan
- karya seni
- AS
- Aktiva
- terkait
- At
- terlampir
- perhatian
- Autodesk
- mengotomatisasikan
- tersedia
- AWS
- Pelanggan AWS
- bar
- berdasarkan
- BE
- karena
- Daging Sapi
- menjadi
- sebelum
- Awal
- Manfaat
- TERBAIK
- berkat
- Memblokir
- Blok
- blog
- Berkembang
- Book
- Buku-buku
- kedua
- Inggris
- membangun
- built-in
- bisnis
- Ide bisnis
- bisnis
- tapi
- by
- CAN
- kasus
- kasus
- perubahan
- beban
- ChatGPT
- memeriksa
- Pilih
- jelas
- tertutup
- kode
- Perguruan tinggi
- bagaimana
- kedatangan
- menarik
- lengkap
- sama sekali
- komputer
- konsep
- Terhubung
- Mempertimbangkan
- konsul
- terus-menerus
- Konten
- pembuatan konten
- Tentu saja
- Pelatihan
- menutupi
- penutup
- meliputi
- membuat
- dibuat
- menciptakan
- membuat
- penciptaan
- Kreatif
- kultural
- terbaru
- pelanggan
- pengalaman pelanggan
- pelanggan
- data
- hari
- Hari
- Kematian
- Demo
- menyebarkan
- dikerahkan
- penggelaran
- deskripsi
- Mendesain
- desainer
- desain
- terperinci
- Deteksi
- ditentukan
- mengembangkan
- Pengembangan
- berbeda
- Difusi
- digital
- Aset-Aset Digital
- do
- dokumen
- melakukan
- domain
- Dont
- turun
- setiap
- edukasi
- karyawan
- memungkinkan
- meliputi
- Titik akhir
- meningkatkan
- Enter
- Lingkungan Hidup
- Eter (ETH)
- peristiwa
- Setiap
- contoh
- menarik
- ada
- Lihat lebih lanjut
- pengalaman
- Pengalaman
- eksperimen
- eksperimen
- penjelasan
- menyelidiki
- Menjelajahi
- keluarga
- Fashion
- Fitur
- Fed
- merasa
- sesama
- beberapa
- bidang
- Fields
- terakhir
- Menemukan
- Pertama
- berfokus
- berikut
- makanan
- Untuk
- bentuk
- Depan
- Prinsip Dasar
- empat
- Keempat
- penipuan
- deteksi penipuan
- Gratis
- dari
- kesenangan
- fungsi
- mendapatkan
- menghasilkan
- dihasilkan
- menghasilkan
- generasi
- generatif
- AI generatif
- mendapatkan
- GitHub
- diberikan
- kaca
- baik
- besar
- Kelompok
- Tumbuh
- tangan
- Memiliki
- he
- mendengar
- membantu
- membantu
- membantu
- di sini
- lebih tinggi
- sangat
- -nya
- tuan
- jam
- Seterpercayaapakah Olymp Trade? Kesimpulan
- How To
- HTML
- HTTPS
- manusia
- ide-ide
- mengenali
- if
- gambar
- generasi gambar
- gambar
- in
- termasuk
- Termasuk
- menunjukkan
- industri
- informasi
- memasukkan
- contoh
- instruksi
- terpadu
- Intelijen
- tertarik
- ke
- IT
- Industri IT
- iterasi
- NYA
- perjalanan
- jpg
- melompat
- Notebook Jupyter
- hanya
- kunci
- pengetahuan
- transfer pengetahuan
- dikenal
- bahasa
- lebih besar
- jalankan
- peluncuran
- BELAJAR
- belajar
- pengetahuan
- meninggalkan
- 'like'
- baris
- hidup
- login
- London
- melihat
- Lot
- cinta
- mesin
- Mesin belajar
- terbuat
- membuat
- MEMBUAT
- Membuat
- banyak
- Pasar
- bahan
- matematis
- Media
- menit
- ML
- model
- model
- bulan
- lebih
- paling
- Gunung
- pindah
- beberapa
- musik
- musikal
- nama
- Navigasi
- perlu
- Perlu
- kebutuhan
- New
- berikutnya
- mencatat
- buku catatan
- laptop
- Melihat..
- sekarang
- jumlah
- of
- on
- ONE
- Buka
- OpenAI
- Kesempatan
- optimal
- or
- Lainnya
- kami
- di luar
- menguraikan
- keluaran
- lebih
- ikhtisar
- sendiri
- halaman
- pane
- bagian
- berpartisipasi
- tertentu
- rekan
- gairah
- pola
- paul
- Konsultan Ahli
- Petrus
- gambar
- Tempat
- plato
- Kecerdasan Data Plato
- Data Plato
- Bermain
- silahkan
- Titik
- poin
- Pos
- Posts
- potensi
- berpotensi
- praktek
- pendahulu
- Prediksi
- menyajikan
- disajikan
- pers
- sebelumnya
- harga pompa cor beton mini
- di harga
- Masalah
- proses
- Diproduksi
- Produk
- Produk
- Profil
- promosional
- memberikan
- menyediakan
- publik
- Ular sanca
- jarak
- agak
- mencapai
- siap
- nyata
- sarankan
- referensi
- wilayah
- relevan
- membutuhkan
- restoran
- Hasil
- pengendara
- batu
- Run
- berjalan
- Safety/keselamatan
- pembuat bijak
- Tersebut
- SAINT
- gulir
- Pencarian
- Kedua
- detik
- Bagian
- aman
- melihat
- melihat
- terlihat
- terpilih
- senior
- putusan pengadilan
- layanan
- Layanan
- set
- set
- Share
- berbagi
- harus
- menampilkan
- Pertunjukkan
- tertanda
- mirip
- Sederhana
- hanya
- tunggal
- sedikit berbeda
- So
- Sosial
- media sosial
- Posting Media Sosial
- Masyarakat
- larutan
- Solusi
- beberapa
- SoundCloud
- Space
- spesialisasi
- mengkhususkan diri
- tertentu
- Secara khusus
- stabil
- awal
- mulai
- Mulai
- Status
- Langkah
- Tangga
- penyimpanan
- Cerita
- cerita
- studio
- Menakjubkan
- seperti itu
- mendukung
- yakin
- Mengambil
- Berbicara
- Teknis
- teknik
- Teknologi
- pembuatan teks
- dari
- bahwa
- Grafik
- mereka
- kemudian
- Sana.
- Ini
- mereka
- hal
- hal
- Ketiga
- ini
- itu
- ribuan
- tiga
- Melalui
- waktu
- kali
- untuk
- alat
- jalur
- terlatih
- Pelatihan
- transfer
- Mengubah
- berubah
- transformator
- transformer
- benar-benar
- ternyata
- mengetik
- jenis
- bawah
- memahami
- mutakhir
- memperbarui
- upload
- atas
- us
- menggunakan
- gunakan case
- bekas
- Pengguna
- Pengguna
- menggunakan
- berbagai
- versi
- melalui
- Video
- Menunggu
- ingin
- adalah
- Cara..
- we
- jaringan
- layanan web
- adalah
- Apa
- ketika
- yang
- sementara
- SIAPA
- akan
- dengan
- dalam
- kata
- bekerja
- bekerja
- dunia
- akan
- dibungkus
- penulisan
- tahun
- kamu
- Anda
- zephyrnet.dll