本指南详细介绍了13种不同的计算机视觉模型架构，为软件开发人员、机器学习工程师和计算机视觉工程师提供了丰富的资源。这些资源包括现成的笔记本、博客文章、YouTube视频和GitHub仓库，旨在帮助用户探索最先进的计算机视觉模型架构，并能够立即用于自定义数据集的训练。
超过10万名开发者和超过一半的财富100强企业选择使用AWS作为他们的云平台，目标是尽可能简化在AWS上构建集成机器学习操作流程的过程。从今天开始，正在扩展对Amazon SageMaker Studio Lab中笔记本的支持，包括YOLOv5、YOLOv7、Stable Diffusion等。
Amazon SageMaker Studio Lab是一个免费的机器学习开发环境，提供计算、存储（高达15GB）和安全，无需成本即可学习和实验机器学习。无需配置基础设施，无需AWS账户即可开始使用。SageMaker Studio Lab通过GitHub集成加速模型构建，并且预配置了最受欢迎的ML工具、框架和库，让立即开始。
SageMaker Studio Lab刚刚宣布了将SageMaker Studio Lab中编写的开发笔记本，并安排它们移动到由完整的Amazon SageMaker管理的AWS账户中的能力。Studio Lab的这一独特功能提高了可以实现的项目类型和大小的限制，提供了访问全套Amazon SageMaker工具的权限，包括Amazon SageMaker Studio、Amazon Sagemaker Experiments和Amazon SageMaker Autopilot。
“RoboflowNotebooks仓库提供了教程和数据集，以教导开发者如何利用计算机视觉模型，”Roboflow的合作伙伴和现场工程负责人Mark McQuade说。“笔记本可以在任何地方运行，但新的自动化笔记本作为作业的能力使SageMaker Studio Lab变得引人注目。现在客户可以在AWS账户中启动笔记本，使用任何实例类型而不需要更改一行代码。”
将笔记本转移到生产环境中，可以提高软件开发人员、机器学习工程师、数据科学家和计算机视觉工程师的生产力。在为高度熟练的专家提供工具以完成他们的工作方面，每一分钟的生产力提高都是非常宝贵的，很高兴支持社区采用最新的ML技术。