پژوهش
نشر ViT از Hugging Face در Vertex AI: راهی سریع و مقیاسپذیر
با استفاده از Vertex AI، مدل ViT را به سرعت و با کد کم روی سرویس Google Cloud منتشر کنید، قابلیت سکیلپذیری، مانیتورینگ و هزینهی بهینهسازی را بهرهمند شوید.
پژوهش
هوش مصنوعی در 8‑بیت: بهینهسازی ماتریسی برای ترنسفورمرهای بزرگ
مقاله حاضر به صورت سادهراهنمایی برای کاربرانی است که در بحث 8‑بیتی بازتاب کردن متن و کاهش مصرف حافظه در ترنسفورمرهای بزرگ علاقهمندند؛ مزایای سرعت و بهبود مصرف را بررسی میکنیم.
محصولات
استقرار هوش مصنوعی: مدل Vision Transformer پیشرفته در Kubernetes
این مقاله نحوه استقرار مدل Vision Transformer (ViT) با هوش مصنوعی در کلاستر Kubernetes و TensorFlow Serving را بهصورت گام به گام توضیح میدهد.
پژوهش
هوش مصنوعی: نیستروفرمری که زمان و حافظه ترنسفورمرها را کاهش میدهد
روش نیستروفرمری با بهرهگیری از تکنیک نیسترو، خود‑توجه در ترنسفورمرها را به صورت خطی ساختن میکند؛ کارایی آن در NLP و CV موثر است.
آموزش
هوش مصنوعی در عمل: انتشار مدل Vision Transformer با TensorFlow Serving
در این مطلب به بررسی نحوه انتشار مدلهای بینایی الگوریتم Vision Transformer با استفاده از TensorFlow Serving در پلتفرم Hugging Face میپردازیم و مزایای آن را بررسی میکنیم.
پژوهش
چگونه مدل 176B پارامتر BLOOM با استفاده از تکنیکهای پیشرفته آموزش یافت
BLOOM، مدل زبان ۱۷۶ میلیارد پارامتر، با ترکیبی از معماری Megatron‑DeepSpeed و تکنیکهای دروازه دادهای، توزیعی و حافظه‑بهینه آموزش یافت؛ دقت و سرعت حداکثری را در محیطهای منابع محدود ارائه میدهد.
پژوهش
هوش مصنوعی: گسترش الگوریتم گریدینت سیاست با PyTorch بر روی پلتفرم Hugging Face
در این مقاله به بررسی کاربرد Policy Gradient در PyTorch میپردازیم، این مسیر یادگیری تقویتی را در چارچوب تجاری و متن باز Hugging Face معرفی میکنیم و نکات عملی و کلیدی را برای توسعهگران بیان میکنیم.
پژوهش
هوش مصنوعی در عمل: چگونگی تبدیل ترانسفورمرها به ONNX با Optimum
با راهنمایی جامع از Hugging Face Optimum، این مقاله به بررسی چگونگی تبدیل مدلهای ترانسفورمر به فرمت ONNX میپردازد؛ نکات کلیدی، مزایا و دستورات عملی را برای پیادهسازی سریع و بهینه در محیطهای تولیدی معرفی میکند.