Amazon SageMaker-青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

行动起来，活在当下

累计撰写 3781 篇文章
累计创建 1406 个标签
累计收到 0 条评论

目录CONTENT

以下是 Amazon SageMaker 相关的文章

2025-12-26
使用 BentoML 的 LLM-Optimizer 在 Amazon SageMaker AI 上优化 LLM 推理本文深入探讨了在 Amazon SageMaker AI 上使用 BentoML 的 LLM-Optimizer 来系统化优化大型语言模型（LLM）推理性能的方法。通过自动化基准测试和参数调优，您可以告别繁琐的手动试错，快速找到满足延迟和吞吐量服务水平协议（SLA）的最佳配置，从而显著提升自托管模型的效率和成本效益。
- 2025-12-26
- 0
- 0
- 0
2025-12-23
在 Amazon SageMaker AI 上部署 Mistral AI 的 VoxLlama 模型本文详细介绍了如何利用 Amazon SageMaker 快速部署 Mistral AI 推出的先进多模态模型 VoxLlama。我们将探讨使用 SageMaker 托管服务部署高性能大语言模型的步骤，为开发者和企业提供了一个高效、可扩展的解决方案，以在云端运行和集成最前沿的 AI 技术。
- 2025-12-23
- 0
- 0
- 0
2025-12-20
面向Amazon SageMaker Studio推出SOCI索引：为AI/ML工作负载提供更快的容器启动时间 AWS重磅推出Amazon SageMaker Studio的新功能：SOCI（Seekable Open Container Initiative）索引。该功能通过实现容器镜像的延迟加载，显著缩短了AI/ML工作负载的容器启动时间，将等待时间从几分钟缩短到几秒钟。本文详细介绍了SOCI的工作原理、先决条件、创建索引的步骤以及基准测试结果，旨在帮助数据科学家和ML工程师减少环境初始化等待，提高开发效率。
- 2025-12-20
- 0
- 0
- 0
- AI工具应用
- AI基础/开发
2025-12-18
使用 Amazon SageMaker AI 跟踪和管理 AI 开发中使用的资产构建定制基础模型需要协调数据、计算、模型架构、评估器和部署等多个资产。本文深入探讨了 Amazon SageMaker AI 如何通过自动跟踪和管理数据集版本、自定义评估器以及端到端血缘关系，简化生成式 AI 开发的复杂性，确保模型的可追溯性和可复现性。
- 2025-12-18
- 0
- 0
- 0
2025-12-18
使用 Snowflake 集成在 Amazon SageMaker 上通过 MLflow 跟踪机器学习实验本文介绍了如何将 Amazon SageMaker 托管的 MLflow 与 Snowflake 集成，以实现在数据环境中进行机器学习实验跟踪。通过 Snowpark 库，您可以在 Snowflake 中进行数据处理和特征工程，并利用 SageMaker MLflow 作为中央存储库来记录和监控实验元数据、参数、模型和结果，从而实现更安全、更高效的 MLOps 工作流。
- 2025-12-18
- 1
- 0
- 0
2025-12-17
塔塔电力CoE如何利用Amazon SageMaker AI和Amazon Bedrock构建可扩展的AI驱动太阳能电池板检测解决方案本文深入探讨了塔塔电力（Tata Power）如何与Oneture Technologies合作，利用AWS服务（包括Amazon SageMaker AI和Amazon Bedrock）构建了一个革命性的AI驱动太阳能电池板安装检测系统。该方案解决了传统手动检测耗时长、可扩展性差和质量不一致的痛点，实现了超过90%的准确率和80%的复检率下降，加速了清洁能源的推广。
- 2025-12-17
- 0
- 0
- 0
2025-12-16
使用 SageMaker HyperPod 弹性训练实现基础模型训练的自适应基础设施本文介绍了 Amazon SageMaker HyperPod 新增的弹性训练功能，它允许机器学习（ML）工作负载根据资源可用性自动伸缩。通过动态调整资源，弹性训练可最大化 GPU 利用率，降低成本，并加速模型开发，同时保持训练质量并最大限度地减少手动干预。我们将深入探讨其工作原理、配置步骤以及性能表现。
- 2025-12-16
- 0
- 0
- 0
2025-12-16
Amazon SageMaker HyperPod 的无检查点训练：面向更快速故障恢复的生产规模训练随着基础模型训练的规模不断扩大，传统的基于检查点的恢复方法已成为效率瓶颈。本文介绍了 Amazon SageMaker HyperPod 上的无检查点训练，这是一种范式转变，通过实现对等状态恢复，显著减少了对传统检查点的依赖。生产规模验证结果显示，恢复时间减少了 80%–93%，在数千个 AI 加速器集群上可实现高达 95% 的训练有效吞吐量（Goodput）。
- 2025-12-16
- 0
- 0
- 0
2025-12-12
扩展MLflow以支持企业级AI：SageMaker AI中MLflow的新特性 AWS发布了Amazon SageMaker AI中的新MLflow功能，引入了无服务器能力，可动态管理基础设施的预置、扩展和运维。这项更新无需管理员配置，即可实现实验跟踪、可观测性和模型性能评估的自动化，并支持跨账户共享和与SageMaker Pipelines的集成，显著简化了企业级ML和生成式AI工作负载的管理。
- 2025-12-12
- 0
- 0
- 0
2025-12-10
Amazon SageMaker HyperPod 的托管分层 KV 缓存和智能路由本文介绍了 Amazon SageMaker HyperPod 中新增的托管分层 KV 缓存和智能路由功能，旨在解决大型语言模型（LLM）推理中因上下文长度增加导致的延迟和成本问题。这些新功能通过优化 KV 缓存管理和请求路由，可将 TTFT 降低高达 40%，并将吞吐量提升高达 24%，显著降低推理成本。
- 2025-12-10
- 0
- 0
- 0
- AI行业应用
- AI工具应用
2025-12-04
AWS re:Invent 2025：企业级AI代理和模型定制成最大亮点 AWS re:Invent 2025 大会聚焦企业级AI，重点推出了增强AI代理功能，使其能独立工作数日。首席执行官Matt Garman强调AI代理是释放AI真正价值的关键。此外，AWS还发布了简化定制LLM的工具，如SageMaker的无服务器模型定制和Bedrock的强化微调功能，并展示了Trainium3芯片和企业级AI工厂解决方案。
- 2025-12-04
- 0
- 0
- 0
2025-12-02
如何观看和跟进 AWS re:Invent 2025 直播 AWS年度盛会 re:Invent 2025 即将在拉斯维加斯盛大开幕，预计将继续聚焦于AI领域的最新进展。本文为您提供了全程直播和内容跟进的详细指南，包括五场主题演讲和一系列合作伙伴展示的时间表，让您不错过任何重要消息。
- 2025-12-02
- 0
- 0
- 0
- AI新闻/评测
- AI行业应用
2025-11-28
使用 Amazon SageMaker AI 评估容器评估模型：Amazon Nova 评估容器本文详细介绍了如何利用 Amazon SageMaker AI 评估容器中的 Amazon Nova 评估容器来高效评估机器学习模型。了解如何使用此工具进行全面的模型验证和性能基准测试，从而简化 MLOps 流程。
- 2025-11-28
- 0
- 0
- 0
- AI基础/开发
- AI工具应用
2025-11-27
CBRE如何利用Amazon Bedrock构建统一的物业管理搜索和数字助理本文深入探讨了全球最大的商业地产服务公司CBRE如何与AWS合作，利用Amazon Bedrock、Amazon OpenSearch Service等技术，彻底改造其PULSE系统。通过集成生成式AI能力，CBRE成功构建了一个统一的搜索和数字助理体验，实现了对数百万份结构化和非结构化物业数据的快速、智能访问，极大地提升了物业管理专业人员的生产力。
- 2025-11-27
- 0
- 0
- 0
2025-11-27
加州大学洛杉矶分校利用 AWS 生成式 AI 服务打造沉浸式剧院体验本文详细介绍了加州大学洛杉矶分校（UCLA）如何利用AWS的生成式AI服务（包括Amazon SageMaker AI和Amazon Bedrock）为音乐剧《Xanadu》构建了一套实时、事件驱动的AI微服务。该系统支持观众通过移动设备创作内容，并在演出中实时生成2D图像和3D网格，实现了创新的沉浸式互动体验。
- 2025-11-27
- 0
- 0
- 0
2025-11-27
Amazon SageMaker HyperPod 现支持托管分层 KV 缓存和智能路由为应对长文档和多轮对话带来的LLM推理性能挑战，AWS推出Amazon SageMaker HyperPod的托管分层KV缓存和智能路由功能。这些新特性通过优化注意力缓存管理和请求分发，能将首个Token时间（TTFT）最多降低40%，吞吐量提升，并将成本降低高达25%，显著提升了生产级LLM部署的效率和经济性。
- 2025-11-27
- 0
- 0
- 0
2025-11-27
Condé Nast 如何利用 Amazon Bedrock 加速合同处理和权利分析百年媒体巨头Condé Nast面临合同管理复杂性挑战，传统手动流程导致效率低下和收入机会流失。本文深入探讨Condé Nast如何与AWS合作，利用Amazon Bedrock和Anthropic的Claude模型，构建了一个自动化的合同处理与权利分析解决方案，将处理时间从数周缩短至数小时，显著提升了运营效率和知识可及性。
- 2025-11-27
- 0
- 0
- 0
2025-11-25
使用 Amazon Bedrock 自定义模型导入部署 GPT-OSS 模型 Amazon Bedrock 自定义模型导入现已支持 OpenAI 的开放权重模型，如 GPT-OSS 变体。本文详细演示了如何使用自定义模型导入功能，在 Amazon Bedrock 上部署 GPT-OSS-20B 模型，同时保持与 OpenAI Chat Completions API 的完全兼容性。通过此方法，用户可以在保持原有应用代码不变的情况下，享受 AWS 提供的企业级安全、可扩展性和成本控制。
- 2025-11-25
- 0
- 0
- 0
- AI新闻/评测
- AI工具应用
2025-11-25
使用 Amazon Bedrock 自定义模型导入部署 GPT-OSS 模型本文详细介绍了如何利用 Amazon Bedrock 的自定义模型导入功能，部署 OpenAI 的 GPT-OSS 系列开源权重模型，并保持与现有 OpenAI Chat Completions API 的完全兼容性。通过四个关键步骤，用户可以将 20B 或 120B 参数模型轻松迁移到 AWS 环境中，以享受企业级的安全、扩展性和成本控制。
- 2025-11-25
- 0
- 0
- 0
2025-11-25
使用 SageMaker HyperPod 上的交互式 IDE 增强您的机器学习工作流本文详细介绍了 Amazon SageMaker HyperPod 如何通过集成交互式开发环境（如 JupyterLab 和 VS Code）来简化机器学习生命周期。了解管理员如何配置 Amazon SageMaker Spaces，以及数据科学家如何利用这些环境进行高效的开发和训练，实现 GPU 资源的最大化利用和成本优化。
- 2025-11-25
- 0
- 0
- 0

1
2