关键字: [Amazon Bedrock, Custom Model Import, Amazon Bedrock, Sagemaker Integration, S3 Bucket Import, Model Playground Testing]

本文字数: 400, 阅读完需: 2 分钟

导读

在一场亚马逊云科技活动上, 演讲者介绍了”Amazon Bedrock Custom Model Import” 。演讲者阐释了如何将自定义模型导入Amazon Bedrock; 具体而言, 用户可以为自定义模型命名, 从SageMaker 选择或从S3 存储桶导入自定义模型权重, 并设置角色访问权限。该演讲重点介绍了Amazon Bedrock 如何实现导入自定义模型、与SageMaker 无缝集成, 以及在playground 中测试导入的模型。

演讲精华

1. 首先, 用户需要为自定义模型命名。
2. 接下来, 用户可以从亚马逊云科技的Amazon SAGEMAKER 服务中选择现有模型, 或者从亚马逊云科技简单存储服务(AMAZON      S3) 存储桶中导入自定义模型权重文件。
3. 然后, 用户需要设置角色访问权限。
4. 最后, 点击” 导入” 按钮, 即可完成自定义模型的导入过程。
5. 导入完成后, 用户就可以在Amazon      Bedrock 中看到自定义模型, 并在Playground 中测试该模型。

总的来说,Amazon Bedrock 的自定义模型导入功能让用户可以灵活地将自己训练的模型无缝集成到Amazon Bedrock 中, 并利用Amazon Bedrock 提供的各种功能和服务。这一新功能为用户提供了更大的灵活性和定制化选择。

Amazon Bedrock 新增了自定义模型导入功能, 用户可以从Amazon SAGEMAKER 或AMAZON S3 导入自定义模型权重, 设置角色访问权限后即可在Amazon Bedrock 中使用自定义模型, 并在Playground 中进行测试。该功能提高了Amazon Bedrock 的灵活性和定制化程度。

总结

Amazon Bedrock 平台赋予开发者能力, 通过无缝集成自定义模型来利用生成式人工智能(generative AI) 的强大功能。借助自定义模型导入功能, 开发者可以将量身定制的模型引入贝德罗克生态系统, 开启无限可能。

首先, 开发者需为自定义模型指定一个独特的标识符, 便于在平台内进行轻松管理和识别。接下来, 开发者可灵活选择从Amazon SageMaker 选择现有的模型, 或直接从S3 存储桶导入自定义模型权重, 确保与现有基础设施无缝集成。

在指定必要的角色访问权限后, 开发者只需单击一下即可启动导入过程。完成后, 定制的模型将在Amazon Bedrock 环境中随时可用, 让开发者能够在直观的操场(playground) 中测试和验证其性能。

这种强大的功能使开发者能够充分发挥生成式人工智能的潜力, 同时保持对驱动应用程序的模型的控制和定制能力, 为创新和量身定制的解决方案开辟了新的途径。

亚马逊云科技（Amazon Web Services ）是全球云计算的开创者和引领者。提供200 多类广泛而深入的云服务，服务全球245 个国家和地区的数百万客户。亚马逊云科技致力于成为企业构建和应用生成式AI 的首选，通过生成式AI 技术栈，提供用于模型训练和推理的基础设施服务、构建生成式AI 应用的大模型等工具、以及开箱即用的生成式AI 应用。深耕本地、链接全球 -- 在中国，亚马逊云科技通过安全、稳定、可信赖的云服务，助力中国企业加速数字化转型和创新，并深度参与全球化市场。