做网站做得好的公司,个人简历模板下载空白,电商app开发涉及的技术,学做会计账的网站目录
引言
关于Amazon Bedrock
基础模型体验
1、进入环境
2、发现模型及快速体验
3、打开 Amazon Bedrock 控制台
4、通过 Playgrounds 体验模型
#xff08;1#xff09;文本生成
#xff08;2#xff09;图片生成
关于资源清理
结束语 引言 在云计算和人工智能…目录
引言
关于Amazon Bedrock
基础模型体验
1、进入环境
2、发现模型及快速体验
3、打开 Amazon Bedrock 控制台
4、通过 Playgrounds 体验模型
1文本生成
2图片生成
关于资源清理
结束语 引言 在云计算和人工智能领域亚马逊云科技 (AWS) 一直走在创新的前沿就在最近AWS 推出了 Amazon Bedrock这是一个全新的服务旨在为企业提供一种简单、灵活的方式来构建和管理多模型应用程序。那么本文就来分享关于在 Amazon Bedrock 上基础模型的初步体验并研究它如何帮助开发者和企业实现多模态数据处理和应用开发。 关于Amazon Bedrock
Amazon Bedrock 是一项完全托管的服务通过统一的 API 提供来自 AI21 Labs、Anthropic、Cohere、Meta、Mistral AI、Stability AI 和 Amazon 等领先 AI 公司的高性能基础模型FMs同时提供广泛的功能让你能够在确保安全、隐私和负责任 AI 的前提下构建生成式 AI 应用。
也就是说Amazon Bedrock 是一个多模型服务平台它允许用户构建和管理包含多种数据模型的应用程序这些数据模型可以包括关系型数据库、NoSQL数据库、搜索索引和机器学习模型等。Amazon Bedrock 的设计理念是提供一个统一的平台让开发者能够轻松地处理多种数据模型而无需担心底层的复杂性。使用 Amazon Bedrock我们可以
轻松地测试、评估你的用例在不同基础模型下的表现使用微调和检索增强生成RAG等技术定制化开发你的应用程序构建可以使用你的企业系统和数据源自动执行任务的智能 Agents。
由于 Amazon Bedrock 是 Serverless 的服务我们无需管理任何基础设施并且可以使用我们已经熟悉其它的亚马逊云科技服务安全地集成和部署生成式 AI 功能到我们的应用中非常便捷。
基础模型体验
1、进入环境
点击 “开始实验” 按钮即可扫码进入实验环境需要注意的是测试账号有效期仅为一天过期后系统将自动回收清理请不要上传重要数据。
同时点击 “立即注册” AWS Console - Signup按钮即可免费注册属于你的亚马逊云科技海外区账号开启个性化的系统构建之旅进一步探索更广泛、更深入的云服务领域并保留实验中构建的系统应用尽情享受云上构建的无限可能
如果你在自己的亚马逊云科技账户上进行实验请务必在实验完成后根据清理资源板块部分的说明删除和关闭所有实验资源以避免产生不必要的费用。 注册成功之后可以扫码登陆具体如下图所示 然后需要填写邮箱如果你之前没有填写过邮箱则需要填写一下邮箱并勾选隐私协议点击前往实验及可进入实验室具体如下图所示 2、发现模型及快速体验
由于Amazon Bedrock 中包含了多个模型从使用场景上可以分为 文本生成、图片生成、通过文本/图片生成 Embedding 等不同场景中又包含了来自多个模型提供商的优秀模型所以说我们可以根据自己的场景及模型效果选择适合的模型以集成到自己的应用程序中。
另外Amazon Bedrock 提供了两种方式访问模型包括通过 Amazon Bedrock 控制台中的 Playground 以及 SDK支持 Python、Java、Go 等多种编程语言。那么接下来就来展示通过 Playgrounds 快速体验模型效果的方法。
3、打开 Amazon Bedrock 控制台
我们首先需要打开 Bedrock 控制台访问链接 https://us-west-2.console.aws.amazon.com/bedrock/home?regionus-west-2#/ 在右上角确认区域为 Oregonus-west-2如下所示 点击概览Overview我们可以看到 Amazon Bedrock 支持的多种基础模型Foundation Model其中包括 Amazon TitanAnthropic ClaudeJurassicCommandMistralStable Diffusion 以及 Llama3如下所示 4、通过 Playgrounds 体验模型
我们直接在左侧导航栏在 Playgrounds 中我们可以看到 Chat, Text, Image 三个功能模块含义分别为
Chat: 在对话式界面中轻松尝试各种语言处理任务。你可以体验多种预训练模型。Text: 通过快速迭代在各种语言处理任务中进行实验尝试多种预训练模型。Image: 只需向预训练模型提供文字提示即可轻松生成引人入胜的图像。
接下来我们将通过 Chat、Image 分别体验文本生成及图像生成的效果。
1文本生成
需要我们先点击 Chat 按钮然后在 Chat Playground 页面点击选择模型Select model以选择期望测试的模型如下所示 这里以 Meta Llama 3 70B 模型为例来体验其强大的推理能力和中文处理能力点击应用Apply如下所示 接下来我们让模型来帮我们安排一个上海2日游的行程使用中文回答。可以将该问题输入到聊天窗口中将响应长度调整到 2048防止返回结果因为 token 限制被截断UI 上的限制为 2048 token此模型 API 支持的最大 token 为 8k点击运行Run如下所示 具体的示例结果如下所示
**Day 1****上午*** 9:00 am: 开始于上海的标志性建筑 - 东方明珠电视塔 Oriental Pearl Tower登塔顶俯瞰上海全景。
* 10:30 am: 从东方明珠电视塔步行到浦东陆家嘴金融区欣赏上海的摩天大楼和繁华都市景象。**下午*** 1:00 pm: 去人民广场Peoples Square附近的南京路步行街感受上海的商业气息和人流。
* 3:00 pm: 访问上海博物馆Shanghai Museum了解上海的历史和文化。**晚上*** 7:00 pm: 去外滩The Bund欣赏黄浦江两岸的美景观看夜晚的灯光秀。
* 9:00 pm: 在外滩附近的餐厅享用上海特色小吃和美食。**Day 2****上午*** 9:00 am: 访问豫园Yu Garden欣赏中国古典园林的美景。
* 11:30 am: 去城隍庙City God Temple附近的老城厢感受上海的传统文化和生活气息。**下午*** 1:30 pm: 去法国梧桐街French Concession附近的徐汇区欣赏上海的法式建筑和浪漫气息。
* 4:00 pm: 访问上海自然博物馆Shanghai Natural History Museum了解自然科学和生物多样性。**晚上*** 7:00 pm: 去静安寺Jingan Temple附近的宁波路感受上海的夜生活和娱乐气息。
* 9:00 pm: 结束上海 2 日游的行程带着美好的回忆离开上海。
复制
接下来我们让 Amazon Bedrock 为我们生成代码输入如下内容 Write a short and high-quality python script for the following task, something a very skilled python expert would write. You are writing code for an experienced developer so only add comments for things that are non-obvious. Make sure to include any imports required. NEVER write anything before the python block. After you are done generating the code and after the python block, check your work carefully to make sure there are no mistakes, errors, or inconsistencies. If there are errors, list those errors in tags, then generate a new version with those errors fixed. If there are no errors, write CHECKED: NO ERRORS in tags. Here is the task: A web scraper that extracts data from multiple pages and stores results in a SQLite database. Double check your work to ensure no errors or inconsistencies. 具体的示例结果如下所示
import requests
from bs4 import BeautifulSoup
import sqlite3
from urllib.parse import urljoin, urlparse
from concurrent.futures import ThreadPoolExecutor# Database connection
conn sqlite3.connect(data.db)
cursor conn.cursor()# Create table if not exists
cursor.execute(CREATE TABLE IF NOT EXISTS data(id INTEGER PRIMARY KEY, url TEXT, title TEXT, content TEXT))
conn.commit()# Base URL and pages to scrape
base_url https://example.com
pages_to_scrape [/page1, /page2, /page3]def scrape_page(url):# Send request and get HTML responseresponse requests.get(urljoin(base_url, url))soup BeautifulSoup(response.text, html.parser)# Extract title and contenttitle soup.find(h1).text.strip()content soup.find(div, {class: content}).text.strip()# Insert data into databasecursor.execute(INSERT INTO data (url, title, content) VALUES (?, ?, ?),(urljoin(base_url, url), title, content))conn.commit()print(fScraped {url})# Scrape pages concurrently
with ThreadPoolExecutor() as executor:executor.map(scrape_page, pages_to_scrape)# Close database connection
conn.close()# CHECKED: NO ERRORS
复制
2图片生成
在左侧导航栏点击图片Image链接进入图片生成的页面。这里我们点击下方的“Generate images from a text prompt” 选择内置的文本生成图片的示例 然后点击运行Run默认情况下模型会为我们生成 3 张图片示例结果如下所示 我们可以点击图片查看原始图片并执行编辑或下载等操作。
关于资源清理
通过上面的实例操作之后建议大家在实验完成之后要及时清理实验资源避免产生额外的费用切记具体的资源清理方法如下所示
清理 S3 桶 参考文档Deleting a bucket - Amazon Simple Storage Service删除 Guardrails 参考文档 What is Amazon Bedrock? - Amazon Bedrock
结束语
通过上文的初步体验想必大家都感受到了 Amazon Bedrock 在多模态数据处理和应用开发方面的强大能力它的易用性和灵活性为开发者提供了极大的便利同时也为企业提供了一种高效的方式来构建和管理复杂的多模型应用程序。在具体的实例中由于篇幅原因只展示了 Amazon Bedrock 的部分功能包括基础模型、Playgrounds、模型评估、安全围栏Guardrails 等功能模块但是如果大家感兴趣其他功能可以自行去了解学习使用这里不在赘述。在不久的未来个人觉得Amazon Bedrock 能够继续扩展其功能支持更多的数据模型和应用场景而且会有更多开发者利用 Amazon Bedrock 创造出创新的应用程序推动云计算和人工智能技术的发展。最后期待大家的热情参与共同体验这场技术的盛宴一起成长一起探索更广阔的科技天地。
