مدلها
لاما ۳.۲: ورود هوش مصنوعی چندوجهی به دستگاههای شخصی
میتا و هوگینگفیس از لاما ۳.۲ رونمایی کردند؛ نسل جدیدی از مدلهای هوش مصنوعی با قابلیت بینایی و اجرای محلی روی تلفن همراه و筆記دهاری، که دموکراتیزه سازی AI را تسهیل میکند.
مدلها
هوش مصنوعی و مدلهای بینالادرسازی: معرفی مدلهای چشم–زبان در Hugging Face
در این مقاله به بررسی مدلهای دید-زبان (Vision Language Models) پرداخته و مسیر انتخاب، آموزش و کاربردهایشان در دنیای هوش مصنوعی را میپیماییم.
پژوهش
هوش مصنوعی در رباتیک: کتابخانه Pollen‑Vision برای درک بصری بدون آموزش
کتابخانهی Pollen‑Vision، رابط یکپارچهای برای مدلهای Zero‑Shot در رباتیک، با هدف ارتقاء و آسانسازی دسترسی به هوش مصنوعی در محیطهای واقعی ارائه شد.
پژوهش
هوش مصنوعی در دیدگاه: چطور Hugging Face در حوزه ویژن پیشرفت میکند
در این مقاله، نگاهی اجمالی به سال 2023 در حوزه دیداری Hugging Face میاندازیم؛ از Vision Transformers تا ۳۰۰۰ مدل و ۱۰۰ دیتاست، و نقش جامعه و چشماندازهای آینده.
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.
آموزش
Vision Transformers بر روی Graphcore: آموزش سریع مدل های پزشکی با هوش مصنوعی
در این مقاله بررسی میکنیم چطور میتوان با استفاده از کتابخانهٔ Hugging Face Optimum و پردازندهٔ Graphcore IPU، مدل Vision Transformer را بر روی دادههای رادیولوژیکی تنظیم کرد و سرعت و کارایی بالایی بدست آورد.
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.
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
هوش مصنوعی روی IPU: Graphcore و Hugging Face معرفی مدلهای نوین
Graphcore و Hugging Face با گسترش لاین اپتیموم، ده مدل نوآور در حوزه NLP، Speech و Vision را بهینه برای پردازشگرهای IPU عرضه میکنند؛ در این مطلب به جزئیات میپردازیم.
مدلها
بهینهسازی Vision Transformer برای طبقهبندی تصویر با هوش مصنوعی
این مقاله گام به گام نحوه استفاده از کتابخانههای 🤗 Transformers و Datasets برای آموزش و تنظیم نهایی مدل ViT را شرح میدهد و به خوانندگان نشان میدهد چگونه میتوانند مدل خود را برای تشخیص تصویر بهبود بخشند.