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.
آموزش
تجربهٔ هوش مصنوعی با Optimum و IPU Graphcore – راهنمای شروع برای مبتدیان
مقاله حاضر، گامهای اصلی جهت اجرای مدلهای Transformer بر روی IPU Graphcore با Optimum را توضیح میدهد، تا سرعت پیشبینی و کارایی هوش مصنوعی را بهینه کنیم.
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.
سختافزار
سرعتبخشی مدل BERT با پردازندههای Intel: بهینهسازی هوش مصنوعی روی CPU
این مقاله بررسی میکند چگونه با بهرهگیری از قابلیتهای پردازنده Intel، مدلهای مشابه BERT را روی CPU بهینه میکنیم و سرعت بالایی به دست میآوریم.