LightOn Lyra-FR 型号现已在亚马逊 SageMaker 上市

我们很高兴地宣布，LightOn Lyra-FR基础型号已向使用亚马逊SageMaker的客户推出。LightOn 是专门使用欧洲语言构建基础模型的领导者。Lyra-FR 是一种最先进的法语模型，可用于构建对话式 AI、文案写作工具、文本分类器、语义搜索等。你可以轻松地试用这个模型，然后将其与亚马逊 S ageMaker JumpStart 一起使用。 JumpStart 是 SageMaker 的机器学习 (ML) 中心，除了提供内置算法和端到端解决方案模板外，还提供对基础模型的访问，以帮助您快速开始使用机器学习。

在这篇博客中，我们将演示如何在 SageMaker 中使用 Lyra-FR 模型。

基础模型

基础模型通常根据数十亿个参数进行训练，可适应各种用例。当今最知名的基础模型用于总结文章、创作数字艺术以及根据简单的文本说明生成代码。这些模型的训练成本很高，因此客户希望使用现有的预训练基础模型并根据需要对其进行微调，而不是自己训练这些模型。SageMaker 提供了精选的模型列表，您可以在 SageMaker 控制台上从中进行选择。您可以直接在 Web 界面上测试这些模型。当您想要大规模使用基础模型时，无需离开 SageMaker 即可使用模型提供商提供的预建笔记本电脑轻松使用。由于模型在亚马逊云科技上托管和部署，因此您可以放心，您的数据，无论是用于评估还是大规模使用模型，都不会与第三方共享。

Lyra-FR 是当今市场上最大的法语型号。它是一个100亿个参数模型，由LightOn训练并可供访问。Lyra-FR 在大型法语精选数据库上接受过训练，它能够编写类似人类的文本并解决诸如分类、问答和摘要之类的复杂任务。所有这些都是在保持合理的推理速度的同时，平均请求的推理速度在 1—2 秒范围内。你可以简单地用自然语言描述你想执行的任务，Lyra-FR 将生成与母语为法语的人一样的回应。Lyra-FR 仅需几行代码即可提供业务就绪型情报原语，例如可操控生成和文本分类。对于更具挑战性的任务，可以在 “几枪” 学习模式下提高性能，在提示符中提供几个输入输出示例。

在 SageMaker 上使用 Lyra-FR

我们将通过 3 个简单步骤向您介绍如何使用 Lyra-FR 模型：

发现 — 在适用于 SageMaker 的亚马逊云科技管理控制台上查找 Lyra-FR 模型。
测试 -使用 Web 界面测试模型。
部署 -使用笔记本部署和测试模型的高级功能。

探索

为了便于发现像 Lyra-FR 这样的基础模型，我们将所有基础模型整合到一个地方。要查找 Lyra-FR 模型，请执行以下操作：

登录适用于 Sage Mak er 的亚马逊云科技管理控制台。
在左侧导航面板上，您应该看到一个名为 JumpStart 的部分，其下方有 基础模型。如果您还没有访问权限，请申请访问此功能。
一旦您的账户被列入白名单，您将在右侧看到模特列表。在这里你可以找到 Lyra-FR 10B 模型。
单击 “ 查看模型” 将显示包含其他选项的完整模型卡。

测试

一个常见的用例是运行临时测试以确保模型满足您的需求。你可以直接从 SageMaker 控制台测试 Lyra-FR 模型。在此示例中，我们将使用一个简单的文本提示，要求模型生成一个以 “水彩” 或 “l'aquarelle” 为主题的法语文章创意列表。

从上一节显示的模型卡中，选择 试用模型 。这将打开一个带有测试界面的新选项卡。
在此界面上，提供您想要传递给模型的文本输入。你还可以使用右侧的滑块调整任何你想要的参数。满意后，选择 “ 生成文本” 。

请注意，基础模型及其输出来自模型提供商，亚马逊云科技对其中的内容或准确性不承担任何责任。

部署

当你提供你希望模型提供的信息示例时，文本生成模型效果最好。这被称为少量学习。我们将使用 Lyra-FR 示例笔记本来演示此功能。示例笔记本介绍了如何在 SageMaker 上部署 Lyra-FR 模型、如何汇总和生成文本以及少量学习。

它还包括直接使用 JSON 或 Lyra Python SDK 发出推理请求的示例。Lyra Python SDK 负责格式化输入、调用端点和解压缩输出。每个端点都有一个类：创建、分析、选择、嵌入、比较和令牌化。请注意，此示例使用的是 ml.p4d.24xlarge 实例。如果您的亚马逊云科技账户的默认限额为 0，则需要请求提高此 GPU 实例的限制。

SageMaker 通过 SageMaker Studio 提供托管笔记本电脑体验。有关如何设置 SageMaker Studio 的详细信息，请参阅亚马逊 S ageMaker 开发者指南。我们将在此演示中将这个 GitHub 存储库克隆到 SageMaker Studio 中，但该笔记本也可以在其他环境中运行。

让我们来看看如何运行笔记本：

从本博客文章的 “发现” 部分转到模型卡，然后选择 “ 查看笔记本” 。你应该会看到在 GitHub 中打开了一个带有 Lyra-FR 笔记本的新选项卡。
在 GitHub 中，选择 lightonmuse-sagemaker-sdk ；这将带你进入存储库。选择代码按钮并复制 HTTPS 网址。
打开 SageMaker Studio。选择 “ 克隆存储库”，然后粘贴从上面复制的 URL。
使用左侧的文件浏览器导航到 Lyra-FR 笔记本。
这款笔记本可以端到端运行，无需额外输入，还可以清理其创建的资源。我们可以看看 “使用 Create 进行情感分析” 的示例。此示例使用 Lyra Python SDK，通过给模型讲授一些示例，说明哪些文本应分为正面（正面）、负面（负面）或混合（减弱），从而演示少量学习。
你可以看到，使用 Lyra Python SDK，你所要做的就是提供 SageMaker 端点的名称和输入。SDK 为您处理所有解析、格式化和设置。
运行此提示符会返回最后一条语句是正面的。