亚马逊云科技 Amazon Bedrock 构建 AI 应用体验

不叫猫先生 2024-07-13 11:31:04 阅读 82

前言

模型应用发展迅速,部署一套AI应用的需求也越来越多,从头部署花费时间太长,然而亚马逊科技全托管式生成式 AI 服务 Amazon Bedrock,Amazon Bedrock 简化了从基础模型到生成式AI应用构建的复杂流程,为客户铺设了一条直接且高效的道路。用户只需遵循几个直观易行的步骤,便能迅速创建并部署起完全托管的Agent,这些Agent能够灵活调用API,高效执行多样化的复杂业务逻辑。

这一创新的服务模式不仅极大地加速了生成式AI技术的普及与应用步伐,更为各行各业在人工智能领域的探索与实践提供了前所未有的便捷与可能。本文主要讲解如何使用Amazon Bedrock部署一套全托管式生成式 AI 服务。

亚马逊云科技为新用户提供了免费试用套餐(12 个月内免费、永久免费等),包括 Amazon Bedrock 在内的多种服务。用户可以在 亚马逊云科技海外区域免费试用页面 了解更多详情,并开始免费体验。这不仅降低了用户的入门门槛,也让用户能够无负担地探索和学习亚马逊云科技的云服务。

访问Amazon Bedrock

首先需要亚马逊云科技账号注册。打开Amazon Bedrock的入口,然后点击开始使用按钮。

在这里插入图片描述

随后我们可以看到Amazon Bedrock的后台界面。我们可以看到Amazon Bedrock支持多个模型,其中包括Amazon Titan,Claude,Jurassic,Command,Stable Diffusion 以及 Llama2。

在这里插入图片描述

Model Access(模型授权)

左侧菜单中选择“Model Access”进行模型授权,然后选择右侧的Manage model access 。对于某些模型,可能首先需要提交用例详细信息你才能请求访问。

在这里插入图片描述

接下来勾选你需要的模型,建议全部勾选。GPT-对话功能需要勾选任意一项Text标签的模型,Stable Diffusion-文本生成图像功能则需要勾选带Image标签的模型。最后点击下面按钮Request model access完成授权。

在这里插入图片描述

随后确认模型是否授权成功。

构建Stable Diffusion-文本生成图像

选择左侧导航栏的Playgrounds栏,可以看到模型的三种模式:

Chat模式:支持文字交互和代码生成,还可以比较不同模型之间的结果,深入了解生成式AI在不同情境下的表现。Text模式:支持文字处理的简便流程,具备先进算法,能够高效地处理和分析大量文本数据。Image模式:支持将文字描述迅速转化为图像,实现即时的创意呈现,能够在几秒钟内生成用户所描述的图片,提供了更直观、高效的方式来将想法转化为视觉形式。

在这里插入图片描述

然后我们选择Select model,选择需要使用的模型。这些模型就是刚刚在上面我们选择授权的模型。

在这里插入图片描述

随后我们就可以输入如下prompt来让Amazon Bedrock为我们生成图片,点击Run运行。

提示词案例1

1girl, masterpiece, best quality, high resolution, 8K , HDR, cinematic lighting, bloom, sun light, looking at viewer, outdoor, detailed shadows, intricate tree shadows, raytracing`

提示词案例2

1cute girl walking in street, half body, 64K, Professional,Makoto Shinkai, Katsuhiro Otomo, Masashi Kishimoto, Kentaro Miura

其中涉及到的属性介绍。

属性 描述
提示词 主要描述图像,包括内容风格等信息,原始的webui会对这个地方有字数的限制,可以安装一些插件突破字数的限制。简单来说就是你想要生成一副什么样的图片,包含主体、风格、色彩、质量要求等等
反向提示词 告诉模型我们不需要的风格,表示你不想要什么,比如不想要图片出现什么,不想图片质量差,不想人物模糊或者多手多脚等
提示词相关性(CFG scale) 分类器自由引导尺度,图像与提示符的一致程度越低的值产生的结果越有创意,数值越大成图越贴近描述文本。一般设置为7
采样方法(Sampling method) 扩散算法的去噪声采样模式会影响其效果,不同的采样模式的结果会有很大差异
采样迭代步数(Sampling steps) 在使用扩散模型生成图片时所进行的迭代步骤。每经过一次迭代,AI就有更多的机会去比对prompt和当前结果,并作出相应的调整。需要注意的是,更高的迭代步数会消耗更多的计算时间和成本,但并不意味着一定会得到更好的结果。然而,如果迭代步数过少,一般不少于50,则图像质量肯定会下降
随机种子(Seed) 生成每张图片时的随机种子,这个种子是用来作为确定扩散初始状态的基础。-1表示不基于图片种子进行绘制,完全基于你的prompt生成,如果填写一个图片的种子值,则会参考你填写的图片种子,在此图片基础上进行二次绘制。

其中提示词是非常重要的,是生成图像最基本的要求。提示词(prompt)由多个词缀构成。提示词分为正向提示词(positive prompt)和反向提示词(negative prompt),用来告诉AI哪些需要,哪些不需要。反向提示词听起来有些耐人寻味,其实就是我们不想出现什么的描述。提示词与反提示词实际上看你的想象力,当初也要转换成英文描述的术语才能更好地生效,个人认为没有什么定格公式,会限制人的想象力,总之你想什么就填上去,尽情发挥想象力。

在这里插入图片描述

总结

全托管式生成式 AI 服务 Amazon Bedrock让我十分震惊,这让我一个嫌麻烦的人似乎找到了归宿。本来自己构建模型的话就挺复杂了,Amazon Bedrock 彻底解决了我的问题。在体验过程中,对 HAI 构建应用有一些自己的看法:

1、快速构建和部署,我觉得这是很多使用者都能看到的优点,真的很方便。

2、Amazon Bedrock 使用先进的架构和算法,能够处理大量并发请求,并提供高吞吐量和低延迟的服务,这让使用者在使用应用过程中体验更好。

3、可以搭建一套服务,让多个应用一起使用,这样不仅节约了经费,还节省了时间。



声明

本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。