生成式AI目前备受关注,围绕GPT4、ChatGPT、DALL-E2、Bard等AI技术产品展开讨论。 许多客户一直在询问有关 AWS 的生成式 AI 解决方案的更多信息。 这篇文章的目的是满足这些需求。
这篇文章通过一个真实的客户用例概述了生成式人工智能,提供了一个简明的描述并概述了它的好处,引用了一个易于理解的演示 AWS DeepComposer 用于创作新的音乐作品,并概述了如何开始使用 亚马逊SageMaker JumpStart 用于部署 GPT2、Stable Diffusion 2.0 和其他生成式 AI 模型。
生成式 AI 概述
生成式人工智能是人工智能的一个特定领域,专注于生成新材料。 它是 AI 世界中最令人兴奋的领域之一,有可能改变现有业务并让全新的商业理念进入市场。 您可以将生成技术用于:
- 使用 Stable Diffusion 2.0 等模型创作新的艺术作品
- 使用 GPT2、Bloom 或 Flan-T5-XL 等模型编写畅销书
- 在 AWS DeepComposer 中使用 Transformers 技术创作您的下一部交响曲
AWS DeepComposer 是一种教育工具,可帮助您通过音乐创作语言理解与机器学习 (ML) 相关的关键概念。 要了解更多信息,请参阅 使用生成人工智能生成爵士摇滚曲目.
Stable Diffusion、GPT2、Bloom 和 Flan-T5-XL 都是 ML 模型。 它们只是数学算法,需要经过训练才能识别数据中的模式。 学习模式后,将它们部署到端点上,为称为推理的过程做好准备。 模型未见过的新数据被输入推理模型,并产生新的创意材料。
例如,使用 Stable Diffusion 等图像生成模型,我们可以使用几个单词创建令人惊叹的插图。 借助 GPT2、Bloom 和 Flan-T5-XL 等文本生成模型,我们可以从一个简单的人类句子生成新的文学文章,甚至可能是书籍。
欧特克 是使用 AWS 的客户 亚马逊SageMaker 帮助他们的产品设计师对各种用例的数千次视觉设计迭代进行分类,并使用机器学习来帮助选择最佳设计。 具体来说,他们与 Edera Safety 合作,帮助开发脊髓保护器,保护骑手在参加山地自行车等体育赛事时免受意外伤害。 有关更多信息,请查看视频 AWS 机器学习支持设计优化.
要详细了解 AWS 客户正在使用生成式 AI 和时尚做什么,请参阅 使用 Amazon SageMaker 的生成式 AI 虚拟时尚造型。
现在我们了解了生成式 AI 的全部内容,让我们进入 JumpStart 演示,了解如何使用 AI 生成新的文本或图像。
先决条件
亚马逊SageMaker Studio 是 SageMaker 中的集成开发环境 (IDE),它为我们提供了我们需要的所有 ML 功能。 在运行 JumpStart 之前,我们需要设置 Studio。 如果您已经运行了自己的 Studio 版本,则可以跳过此步骤。
在我们使用任何 AWS 服务之前,我们需要做的第一件事是确保我们已经注册并创建了一个 AWS 账户。 接下来是创建一个管理用户和一个组。 有关这两个步骤的说明,请参阅 设置 Amazon SageMaker 先决条件.
下一步是创建 SageMaker 域。 域设置所有存储并允许您添加用户以访问 SageMaker。 有关详细信息,请参阅 加入 Amazon SageMaker 域. 此演示是在 AWS 区域创建的 us-east-1
.
最后,您启动 Studio。 对于这篇文章,我们建议启动一个用户配置文件应用程序。 有关说明,请参阅 启动 Amazon SageMaker Studio.
选择 JumpStart 解决方案
现在我们来到激动人心的部分。 您现在应该已登录到 Studio,并看到类似于以下屏幕截图的页面。
在导航窗格中, SageMaker 快速启动,选择 模型、笔记本、解决方案.
您会看到一系列解决方案、基础模型和其他工件,它们可以帮助您开始处理特定模型或特定业务问题或用例。
如果您想在特定领域进行试验,可以使用搜索功能。 或者您可以简单地浏览工件以找到满足您需求的相关模型或业务解决方案。
例如,如果您对欺诈检测解决方案感兴趣,请在搜索栏中输入欺诈检测。
如果您对文本生成解决方案感兴趣,请在搜索栏中输入文本生成。 如果您想探索一系列文本生成模型,一个不错的起点是选择 JS 简介 – 文本生成笔记本。
让我们深入了解 GPT-2 模型的具体演示。
JumpStart GPT-2 模型演示
GPT 2 是一种语言模型,可帮助根据给定提示生成类似人类的文本。 我们可以使用这种类型的转换器模型来创建新句子并帮助我们自动化写作。 这可用于内容创建,例如博客、社交媒体帖子和书籍。
GPT 2 模型是 Generative Pre-Trained Transformer 系列的一部分,它是 GPT 3 的前身。在撰写本文时,GPT 3 被用作 OpenAI ChatGPT 应用程序的基础。
要开始探索 JumpStart 中的 GPT-2 模型演示,请完成以下步骤:
- 在 JumpStart 上,搜索并选择 通用技术 2.
- 在 部署 型号 部分,展开 部署配置.
- 针对 SageMaker 托管实例,选择您的实例(对于本文,我们使用 ml.c5.2xlarge)。
不同的机器类型有不同的价格点。 在撰写本文时,我们选择的 ml.c5.2xlarge 每小时的费用低于 0.50 美元。 有关最新定价,请参阅 Amazon SageMaker定价.
- 针对 端点名称, 输入 demo-hf-textgeneration-gpt2。
- 部署.
等待 ML 端点部署(最多 15 分钟)。
- 部署端点时,选择 打开笔记本.
您将看到类似于以下屏幕截图的页面。
我们用于展示演示的文档是一个 Jupyter 笔记本,其中包含所有必要的 Python 代码。 请注意,此屏幕截图中的代码可能与您拥有的代码略有不同,因为 AWS 会不断更新这些笔记本并确保它们安全、无缺陷并提供最佳客户体验。
- 单击第一个单元格并选择 CTRL + ENTER 运行代码块。
星号 (*) 出现在代码块的左侧,然后变成数字。 星号表示代码正在运行并且在数字出现时完成。
- 在下一个代码块中,输入一些示例文本,然后按 CTRL + ENTER.
- CTRL + ENTER 在第三个代码块中运行它。
大约 30-60 秒后,您将看到您的推理结果。
对于输入文本“Once upon a time there were 18 sandwiches,
” 我们得到以下生成的文本:
对于输入文本“And for the final time Peter said to Mary,
” 我们得到以下生成的文本:
您可以尝试多次运行这第三个代码块,您会注意到模型每次都会做出不同的预测。
要使用一些高级功能定制输出,请向下滚动以在第四个代码块中进行实验。
要了解有关文本生成模型的更多信息,请参阅 在 Amazon SageMaker JumpStart 上使用 Bloom 和 GPT 模型运行文本生成.
清理资源
在我们继续之前,不要忘记在完成后删除您的端点。 在上一个选项卡上,在 删除端点,选择 删除.
如果您不小心关闭了此笔记本,您也可以通过 SageMaker 控制台删除您的终端节点。 在下面 推理 在导航窗格中,选择 端点.
选择您使用的端点并在 行动 菜单中选择 删除.
现在我们了解了如何使用我们的第一个 JumpStart 解决方案,让我们看看如何使用 Stable Diffusion 模型。
JumpStart 稳定扩散模型演示
我们可以使用 Stable Diffusion 2 模型从一行简单的文本生成图像。 这可用于为社交媒体帖子、宣传材料、专辑封面或任何需要创意图稿的内容生成内容。
- 返回 JumpStart,然后搜索并选择 稳定扩散2.
- 在 部署 型号 部分,展开 部署配置.
- 针对 SageMaker 托管实例,选择您的实例(对于本文,我们使用 ml.g5.2xlarge)。
- 针对 端点名称,输入
demo-stabilityai-stable-diffusion-v2
. - 部署.
由于这是一个较大的模型,因此部署最多可能需要 25 分钟。 准备就绪后,端点状态显示为 在服务.
- 打开笔记本 使用 Python 代码打开 Jupyter notebook。
- 运行第一个和第二个代码块。
- 在第三个代码块中,更改文本提示,然后运行单元格。
等待大约 30-60 秒,让您的图像出现。 下图基于我们的示例文本。
同样,您可以在下一个代码块中使用高级功能。 它创建的图片每次都不同。
清理资源
同样,不要忘记删除您的端点。 这一次,我们使用的是 ml.g5.2xlarge,因此它产生的费用比以前略高。 在撰写本文时,每小时刚刚超过 1 美元。
最后,让我们转向 AWS DeepComposer。
AWS DeepComposer
AWS DeepComposer 是了解生成式 AI 的绝佳方式。 它允许您使用模型中的内置旋律来生成新的音乐形式。 您使用的模型决定了输入旋律的转换方式。
如果你习惯参与 AWS 深度赛车 天帮助您的员工了解强化学习,考虑使用 AWS DeepComposer 增加和加强这一天,以了解生成式 AI。
有关本文中三个模型的详细解释和易于理解的演示,请参阅 使用生成人工智能生成爵士摇滚曲目.
查看以下内容 很酷的例子 使用 AWS DeepComposer 上传到 SoundCloud。
我们很乐意看到您的实验,请随时通过社交媒体 (@digitalcolmer) 与我们联系并分享您的经验和实验。
结论
在本文中,我们讨论了生成式 AI 的定义,并通过一个 AWS 客户案例进行了说明。 然后,我们向您介绍了如何开始使用 Studio 和 JumpStart,并向您展示了如何开始使用 GPT 2 和 Stable Diffusion 模型。 最后,我们简要概述了 AWS DeepComposer。
要进一步探索 JumpStart,请尝试使用您自己的数据来微调现有模型。 有关详细信息,请参阅 使用 Amazon SageMaker JumpStart 进行增量培训. 有关微调稳定扩散模型的信息,请参阅 使用 Amazon SageMaker JumpStart 微调文本到图像的稳定扩散模型.
要了解有关稳定扩散模型的更多信息,请参阅 使用 Amazon SageMaker JumpStart 上的稳定扩散模型从文本生成图像.
我们没有涵盖有关 Flan-T5-XL 型号的任何信息,因此要了解更多信息,请参阅以下内容 GitHub回购。 该 Amazon SageMaker示例 repo 还在 GitHub 上包含一系列适用于各种 SageMaker 产品的可用笔记本,包括 JumpStart,涵盖了一系列不同的用例。
要通过一系列免费数字资产了解有关 AWS ML 的更多信息,请查看我们的 AWS 机器学习入门指南. 您也可以免费试用我们的 机器学习学习计划 以您当前的知识为基础或有一个明确的起点。 要参加讲师指导的课程,我们强烈推荐以下课程:
在 AI/ML 领域,这确实是一个激动人心的时刻。 AWS 随时为您的 ML 之旅提供支持,因此请在社交媒体上与我们联系。 我们期待在接下来的几个月里看到您通过各种 ML 服务进行的所有学习、实验和乐趣,并很高兴有机会成为您 ML 之旅的讲师。
关于作者
保罗科尔默 是 Amazon Web Services 的高级技术培训师,专攻机器学习和生成 AI。 他热衷于通过引人入胜的故事讲述、分享经验和知识转移来帮助客户、合作伙伴和员工发展和成长。 他在 IT 行业拥有超过 25 年的经验,擅长敏捷文化实践和机器学习解决方案。 保罗是伦敦音乐学院院士和英国计算机学会院士。
- SEO 支持的内容和 PR 分发。 今天得到放大。
- 柏拉图爱流。 Web3 数据智能。 知识放大。 访问这里。
- 与 Adryenn Ashley 一起铸造未来。 访问这里。
- 使用 PREIPO® 买卖 PRE-IPO 公司的股票。 访问这里。
- Sumber: https://aws.amazon.com/blogs/machine-learning/get-started-with-generative-ai-on-aws-using-amazon-sagemaker-jumpstart/
- :是
- :不是
- $UP
- 1
- 11
- 15%
- 50
- 500
- 7
- 8
- 9
- 937
- a
- 关于我们
- ACCESS
- 事故
- 账号管理
- 加
- 地址
- 行政
- 高级
- 后
- 敏捷
- AI
- AI / ML
- 瞄准
- 专辑
- 算法
- 所有类型
- 让
- 允许
- 已经
- 还
- Amazon
- 亚马逊SageMaker
- 亚马逊SageMaker JumpStart
- 亚马逊网络服务
- an
- 和
- 任何
- 什么
- 应用
- 出现
- 应用领域
- 保健
- 国家 / 地区
- 围绕
- 艺术
- 刊文
- 人造的
- 人工智能
- 艺术品
- AS
- 办公室文员:
- 相关
- At
- 附
- 关注我们
- 欧特克
- 自动化
- 可使用
- AWS
- AWS 客户
- 酒吧
- 基于
- BE
- 因为
- 牛肉
- 很
- before
- 开始
- 好处
- 最佳
- 祝福
- 阻止
- 吹氣梢
- 博客
- Bloom
- 书
- 书籍
- 都
- 英国的
- 建立
- 内建的
- 商业
- 商业理念
- 企业
- 但是
- by
- CAN
- 案件
- 例
- 更改
- 收费
- ChatGPT
- 查
- 清除
- 关闭
- 码
- 学院
- 如何
- 未来
- 引人注目
- 完成
- 完全
- 一台
- 概念
- 分享链接
- 考虑
- 安慰
- 经常
- 内容
- 内容创造
- 课程
- 课程
- 外壳
- 覆盖
- 占地面积
- 创建信息图
- 创建
- 创建
- 创造
- 创建
- 创意奖学金
- 文化
- 电流
- 顾客
- 客户体验
- 合作伙伴
- data
- 天
- 一年中的
- 死亡
- 演示
- 部署
- 部署
- 部署
- 描述
- 设计
- 设计师
- 设计
- 详细
- 检测
- 确定
- 开发
- 研发支持
- 不同
- 扩散
- 数字
- 数字资产
- do
- 文件
- 做
- 域
- 别
- 向下
- 每
- 教育的
- 员工
- 使
- 包含
- 端点
- 加强
- 输入
- 环境
- 醚(ETH)
- 事件
- 所有的
- 例子
- 令人兴奋的
- 现有
- 扩大
- 体验
- 体验
- 实验
- 实验
- 解释
- 探索
- 探索
- 家庭
- 时尚
- 特征
- 美联储
- 感觉
- 同伴
- 少数
- 部分
- 字段
- 最后
- 找到最适合您的地方
- 姓氏:
- 重点
- 以下
- 食品
- 针对
- 形式
- 向前
- 基金会
- 四
- 第四
- 骗局
- 欺诈检测
- Free
- 止
- 开玩笑
- 功能
- 获得
- 生成
- 产生
- 发电
- 代
- 生成的
- 生成式人工智能
- 得到
- GitHub上
- 特定
- 玻璃
- 非常好
- 大
- 团队
- 增长
- 手
- 有
- he
- 听说
- 帮助
- 帮助
- 帮助
- 点击此处
- 更高
- 高度
- 他的
- 托管
- 小时
- 创新中心
- How To
- HTML
- HTTPS
- 人
- 思路
- 鉴定
- if
- 图片
- 图像生成
- 图片
- in
- 包括
- 包含
- 表示
- 行业中的应用:
- 信息
- 输入
- 例
- 说明
- 集成
- 房源搜索
- 有兴趣
- 成
- IT
- IT行业
- 迭代
- 它的
- 旅程
- JPG
- 跳
- Jupyter笔记本
- 只是
- 键
- 知识
- 知识传输
- 已知
- 语言
- 大
- 发射
- 发射
- 学习用品
- 知道
- 学习
- 左
- 喜欢
- Line
- 活的
- 记录
- 伦敦
- 看
- 占地
- 爱
- 机
- 机器学习
- 制成
- 使
- 制作
- 制作
- 许多
- 市场
- 材料
- 数学的
- 媒体
- 分钟
- ML
- 模型
- 模型
- 个月
- 更多
- 最先进的
- 山
- 移动
- 多
- 音乐
- 音乐
- 姓名
- 旅游导航
- 必要
- 需求
- 需要
- 全新
- 下页
- 注意
- 笔记本
- 笔记本电脑
- 注意..
- 现在
- 数
- of
- on
- 一
- 打开
- OpenAI
- ZAP优势
- 最佳
- or
- 其他名称
- 我们的
- 输出
- 大纲
- 产量
- 超过
- 简介
- 己
- 页
- 面包
- 部分
- 参与
- 特别
- 伙伴
- 情
- 模式
- 保罗
- 员工
- 彼得
- 图片
- 地方
- 柏拉图
- 柏拉图数据智能
- 柏拉图数据
- 播放
- 请
- 点
- 点
- 帖子
- 帖子
- 潜力
- 可能
- 做法
- 前任
- 预测
- 当下
- 呈现
- express
- 以前
- 车资
- 价格
- 市场问题
- 过程
- 生成
- 产品
- 热销产品
- 本人简介
- 促销
- 提供
- 提供
- 国家
- 蟒蛇
- 范围
- 宁
- 达到
- 准备
- 真实
- 建议
- 引用
- 地区
- 相应
- 需要
- RESTAURANT
- 成果
- 车手
- 岩石
- 运行
- 运行
- 实现安全
- sagemaker
- 说
- SAINT
- 滚动
- 搜索
- 其次
- 秒
- 部分
- 安全
- 看到
- 看到
- 看到
- 选
- 前辈
- 句子
- 服务
- 特色服务
- 集
- 套数
- Share
- 共用的,
- 应该
- 展示
- 作品
- 签
- 类似
- 简易
- 只是
- 单
- 略有不同
- So
- 社会
- 社会化媒体
- 社交媒体帖子
- 社会
- 方案,
- 解决方案
- 一些
- 的SoundCloud
- 太空
- 专业
- 专业
- 具体的
- 特别是
- 稳定
- 开始
- 开始
- 开始
- Status
- 步
- 步骤
- 存储
- 故事
- 评书
- 工作室
- 令人惊叹
- 这样
- SUPPORT
- 肯定
- 采取
- 谈论
- 文案
- 技术
- 技术
- 文字产生
- 比
- 这
- 其
- 然后
- 那里。
- 博曼
- 他们
- 事
- 事
- 第三
- Free Introduction
- 那些
- 数千
- 三
- 通过
- 次
- 时
- 至
- 工具
- 跟踪时
- 熟练
- 产品培训
- 转让
- 改造
- 转化
- 变压器
- 变形金刚
- 真正
- 原来
- 类型
- 类型
- 下
- 理解
- 跟上时代的
- 更新
- 上传
- 上
- us
- 使用
- 用例
- 用过的
- 用户
- 用户
- 运用
- 各个
- 版本
- 通过
- 视频
- 等候
- 想
- 是
- 方法..
- we
- 卷筒纸
- Web服务
- 为
- 什么是
- ,尤其是
- 这
- 而
- WHO
- 将
- 中
- 话
- 工作
- 合作
- 世界
- 将
- 包裹
- 写作
- 年
- 您
- 您一站式解决方案
- 和风网