الصفحة الرئيسية>المتعلقة بالبرمجة>شفرة المصدر الأخرى
تنزيل

AWS-LLM-SageMaker

تقدم ورشة العمل العملية هذه للمطورين ومنشئي الحلول كيفية الاستفادة من Foundation Models (FM) مع Amazon SageMaker.

في هذا المختبر، سنعرض لك بعض أنماط الاستخدام الأكثر شيوعًا لعملائنا للذكاء الاصطناعي التوليدي وأمثلة للتقنيات التي تستخدم GenAI لزيادة القيمة لمؤسساتهم من خلال تحسين الإنتاجية.
يمكن تحقيق ذلك من خلال الاستفادة من النماذج الأساسية التي تساعدك على إنشاء رسائل البريد الإلكتروني وتلخيص النص والإجابة على الأسئلة وإنشاء روبوتات الدردشة وإنشاء الصور.

دليل لعينات AWS ومواد ممارسات نشر Github

يتم توزيع مواد المختبر هذه على AWS Samples Github. تكون مواد التدريب الحالية دائمًا أكثر تحديثًا من مواد عينات AWS الرسمية.

LLM - RAG: البحث المفتوح باستخدام SageMaker Endpoint LLM Polyglot

  • الموضوع: LLM - RAG: Opensearch with SageMaker Endpoint LLM Polyglot
  • رابط التأمل: https://github.com/aws-samples/aws-ai-ml-workshop-kr/tree/master/genai/aws-gen-ai-kr/20_applications/04_rag_finance_opensearch_sllm_workshop
  • آخر تاريخ للتفكير: 2024.04.25

[موالف] ضبط QLoRA

  • الموضوع: [الموالف] ضبط QLoRA
  • رابط التأمل: https://github.com/aws-samples/aws-ai-ml-workshop-kr/tree/master/genai/aws-gen-ai-kr/30_fine_tune/01-instruction-tuning-peft-qlora
  • آخر تاريخ للانعكاس: 2024.04.18

LLM - RAG: البحث المفتوح باستخدام SageMaker Endpoint LLM Ployglot

  1. التنفيذ العملي لـ RAG (جيل الاسترجاع المعزز) مع Amazon SageMaker وAmazon Opensearch - RAG (جيل الاسترجاع المعزز) عبارة عن بنية مبتكرة للبرمجة اللغوية العصبية (NLP) تجمع بين استرجاع المعلومات وإنشاء النص. في هذا المختبر العملي، ستتعلم من خلال تمرين عملي موجز كيفية تكامل RAG مع Amazon Opensearch لتعزيز عملية البحث في قواعد البيانات أو المستندات الخارجية الموثوقة. في هذا المختبر، ستكتسب خبرة عملية في تنفيذ هذه الأنماط في SageMaker Endpoint وAmazon Openssearch من خلال تضمين إدخال البيانات ومجموعات SDK والبرامج مفتوحة المصدر مثل LangChain وFAISS.

[موالف] ضبط QLoRA

  • كولم-متعدد اللغات-12.8ب

أسماء الملفات

  • 1_prepare-dataset-alpaca-method.ipynb : قم بإعداد مجموعة بيانات التدريب من مجموعة بيانات التعليمات. هذه الطريقة ترمز إلى كل عينة.
  • 1_prepare-dataset-chunk-method.ipynb : قم بإعداد مجموعة بيانات التدريب من مجموعة بيانات التعليمات. تقوم هذه الطريقة بتسلسل جميع العينات وتقسيمها وفقًا لحجم القطعة.
  • 2_local-train-debug-lora.ipynb : قم بتصحيح الأخطاء باستخدام بعض نماذج البيانات في بيئة التطوير قبل التنفيذ الجاد في نسخة التدريب. إذا كنت معتادًا على الضبط الدقيق، فيرجى تخطي هذا التدريب العملي والمضي قدمًا في 3_sm-train-lora.ipynb.
  • 3_sm-train-lora.ipynb : إجراء الضبط الدقيق لمثيلات تدريب SageMaker.
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل