پژوهش
هوش مصنوعی : چگونه Wav2Vec2 با n‑gram در چارچوب Transformers بهبود مییابد
معرفی روش بهبود مدل Wav2Vec2 از طریق ادغام n‑gram در چارچوب 🤗 Transformers، نکات کلیدی، چالشها و نتایج آزمایشی، و راههای پیادهسازی در پروژههای واقعی.
پژوهش
هوش مصنوعی در یادگیری فعال: کاربرد AutoNLP و Prodigy برای بهبود مدلها
پیشتردارین یادگیری فعال در هوش مصنوعی، با ترکیب AutoNLP هشدار گرفت. این راهنما نشان میدهد چگونه پارامترهای خود را با Prodigy ساده و سریع بهینه کنید. باز
پژوهش
Perceiver IO: هوش مصنوعی چندرشتهای که تمام مدیالها را پوشش میدهد
پرسِیور ای او، مدل هوش مصنوعی چندرشتهای پیشرفته، توانایی تحلیل متن، تصویر، صدا و ویدئو را در یک چارچوب یکپارچه بهوجود میآورد و دسترسی آزاد به آن فراهم میکند.
پژوهش
آموزش مدل GPT-2 خودساخته CodeParrot برای کد نویسی هوش مصنوعی
در این مقاله به آموزش مرحله به مرحله ساخت مدل GPT‑2 به نام CodeParrot میپردازیم؛ از جمعآوری ۱۸۰ گیگابایت کد پایتون تا آموزش و ارزیابی نهایی، ویژگیها و نکات کلیدی این پروژهٔ هوش مصنوعی را توضیح میدهد.
پژوهش
جنگ برفکیک: اولین محیط ML‑Agents برای یادگیری تقویتی در Unity
Hugging Face محیطی در Unity تحت نام Snowball Fight را معرفی کرده که با استفاده از ML‑Agents، امکان آزمایش مدلهای یادگیری تقویتی در یک بازی ساده است.
پژوهش
ابزار هوش مصنوعی برای بررسی دادهها: معرفی ابزار اندازهگیری دادههای هوش مصنوعی
این مقاله به بررسی ابزار Data Measurements Tool از Hugging Face میپردازد که با قابلیت تعاملی، اندازهگیری و مقایسهی دادههای یادگیری ماشین را ساده و سریعتر میکند، بودن
پژوهش
سرعتدادن فرآیند تنظیم دقیق PyTorch با فناوریهای آیندل در هوش مصنوعی
بهخاطر استفاده از سرورهای آیندل و کتابخانههای کارایی، فرآیند آموزش مدلهای PyTorch میتواند با طولانیترین زمانهای یادگیری، به سرعت قابل بهبود برسد
پژوهش
همکاری هوش مصنوعی: بهینهسازی XLSR‑Wav2Vec2 برای تشخیص گفتار چندزبانه
آموزش مدل XLSR‑Wav2Vec2 در کممنابع با 🤗 Transformers، شناسایی گفتار را در زبانهای کمتر مستندسازیشده بهبود میبخشد. کاهش نیاز به دادههای برچسبخورده.