#Amazon SageMaker

该解决方案提供现成代码，允许在AWS账户中实验多种大型语言模型和多模态语言模型。支持的模型包括Amazon Bedrock、Amazon SageMaker自托管模型以及通过API的第三方模型，如Anthropic、Cohere、AI21 Labs和OpenAI。项目包含详细文档、部署指南和集成资源，加速生成式AI解决方案的开发。

该项目包含一系列Jupyter笔记本示例，展示了如何利用Amazon SageMaker进行机器学习模型的构建、训练与部署。示例覆盖多种功能，包括地理空间分析、数据标注工作流和机器学习应用实践，适合希望全面了解Amazon SageMaker功能的开发者。

AWS Generative AI CDK Constructs库是一个开源扩展包，提供多服务和架构良好的模式，帮助开发者通过代码定义解决方案，实现可预测和可重复的基础设施。该库基于AWS CDK，涵盖数据摄取管道、问答系统、文档摘要和SageMaker模型部署等多种场景，并遵循最佳实践配置，适用于Python、TypeScript、C#和Go。旨在简化生成型AI解决方案开发流程，帮助快速上手并构建稳定可靠的架构。

本页面展示了如何使用Amazon SageMaker Studio Lab构建AI/ML学习环境的Jupyter笔记本示例，适用于个人数据科学家的ML学习之旅。包含计算机视觉、自然语言处理、地理空间数据科学和生成深度学习等领域的示例，以及详细的设置指南和AWS资源的连接方法。用户可以无需账户阅读或运行笔记本，并通过GitHub分享项目，是成为AI/ML实践者的有用参考资源。

AWS Deep Learning Containers提供预配置的Docker镜像，支持TensorFlow、PyTorch和MXNet的模型训练与服务。集成了Nvidia CUDA和Intel MKL库，优化了GPU和CPU实例性能。这些容器已在Amazon SageMaker、EC2、ECS和EKS上进行了测试和验证，确保广泛应用和稳定性能。了解更多关于兼容镜像的信息，助力高效开发与部署AI模型。

bart-large-cnn-samsum是一个基于BART架构的对话摘要模型，通过Amazon SageMaker和Hugging Face深度学习容器训练而成。该模型在SAMSum数据集上进行微调，专注于生成高质量的对话摘要。在ROUGE评分方面表现优异，为开发者提供了强大的对话摘要工具。模型可通过简洁的Python代码轻松集成，适用于需要快速、准确提取对话要点的应用场景。

ko-reranker是一个基于BAAI/bge-reranker-large的韩语文本重排序模型，通过直接输出相似度分数优化搜索和问答系统性能。该模型在Amazon SageMaker上使用翻译后的MS MARCO数据集进行微调，在评估指标上优于未经重排序的基线。项目提供了使用Transformers和SageMaker部署模型的指南，适用于需要提高韩语文本检索准确性的应用场景。