โมเดลอนุกรมเวลา OpenTSLM เปิดให้ใช้งานแล้วบน Amazon SageMaker JumpStart
เริ่มตรงนี้
ตระกูลโมเดลภาษาสำหรับอนุกรมเวลา OpenTSLM แบบโอเพนซอร์สของ Aionic Labs พร้อมให้ใช้งานใน Amazon SageMaker JumpStart แล้ว AWS กล่าว ทำให้ทีมต่างๆ สามารถนำไปติดตั้งใช้งานภายในสภาพแวดล้อม AWS ของตนเองได้ โมเดลเหล่านี้ผสานการวัดเชิงตัวเลขเข้ากับบริบทที่เป็นข้อความ เช่น บันทึกการบำรุงรักษาและข่าวตลาด โดยเอเจนต์ Spark IT ของ Nexthink ใช้โมเดลเหล่านี้เพื่อสร้างสรุปสถานะ การดำเนินการที่แนะนำ และผลลัพธ์ที่คาดหวัง TimeNet จัดเตรียมรูปแบบและ API ที่ใช้ร่วมกันสำหรับการค้นหา สร้าง และโหลดชุดข้อมูลที่ใช้ฝึกและประเมินโมเดลเหล่านี้ การติดตั้งใช้งานมีข้อจำกัดด้านฮาร์ดแวร์และบริการ: OpenTSLM ทำงานบน GPU เดียวที่มีหน่วยความจำอย่างน้อย 24 GB และรองรับ bfloat16 โดยแนะนำหน่วยความจำโฮสต์ 32 GB และใน JumpStart รองรับอินสแตนซ์รวมถึง ml.g5.2xlarge, ml.g6.4xlarge และ ml.g6e.xlarge การเรียกใช้แบบเรียลไทม์ต้องเสร็จสิ้นภายใน 60 วินาที โดยมีเนื้อหาคำขอไม่เกิน 6 MB และเอนด์พอยต์ที่ติดตั้งใช้งานแล้วจะยังคงมีค่าใช้จ่ายจนกว่าจะถูกลบ
สร้างจากรายงาน · อัปเดต 6 ชม. ที่แล้ว
ไทม์ไลน์รายงาน
ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน
- AWS Machine Learning Blogโมเดลภาษาสำหรับอนุกรมเวลา OpenTSLM พร้อมใช้งานแล้วบน Amazon SageMaker JumpStart
ตระกูลโมเดลภาษาสำหรับอนุกรมเวลา OpenTSLM แบบโอเพนซอร์สของ Aionic Labs พร้อมใช้งานแล้วใน Amazon SageMaker JumpStart ทำให้ทีมต่างๆ สามารถนำไปปรับใช้ในสภาพแวดล้อม AWS ของตนเองได้ โมเดลเหล่านี้จับคู่ข้อมูลเชิงตัวเลขเข้ากับบริบทข้อความ เช่น บันทึกการบำรุงรักษาและข่าวตลาด และเอเจนต์ Spark IT ของ Nexthink ใช้โมเดลเหล่านี้เพื่อสร้างสรุปสถานะ การดำเนินการที่แนะนำ และผลลัพธ์ที่คาดหวัง TimeNet มีรูปแบบและ API ที่ใช้ร่วมกันสำหรับการค้นหา สร้าง และโหลดชุดข้อมูลที่ใช้ในการฝึกและประเมินโมเดลเหล่านี้
ความร้อนแรงของเหตุการณ์นี้
- ช่วงปัจจุบันที่เทียบได้
- 8
- จุดสูงสุดในช่วงที่เทียบได้
- 1018 พฤศจิกายน 03:00
- การเปลี่ยนแปลงใน 24 ชั่วโมง
- –
แนวโน้มนี้เปรียบเทียบผู้ร่วมพูดถึงชุดเดียวกันในช่วงเวลาที่เฝ้าดูต่อเนื่อง ช่วงจึงอาจแคบกว่าคะแนนความร้อนปัจจุบัน วางเมาส์หรือแตะกราฟเพื่อดูความร้อนรายชั่วโมง กดลูกศรเพื่อเลื่อนดู