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.
مدلها
هوش مصنوعی و مدلهای زبانی بزرگ: آیا لیور کوپر جدیدی را قیاس میکنیم؟
با معرفی مدل Megatron‑Turing NLG 530B، دنیای هوش مصنوعی به دستگیری دوچندان برای ساخت مدلهای زبان بزرگ دست مییابد؛ اما پرسش چیست؟ آیا این روند واقعی رشد است یا فقط فکر آرایه پارامترها؟ و چشمانداز آینده پژوهش
پژوهش
دانشجویان AI ایرانی از دورهٔ Hugging Face بهرهمند شوند – آغاز برگزاری
با انتشار بخش دوم دورهٔ آموزشی Hugging Face، متخصصان و علاقهمندان به هوش مصنوعی میتوانند مهارتهای زبانی را در قالب پروژههای عملی بهدست آورند. این رویداد دو روزه به معرفی ابزارهای پیشرفته و ارائهٔ گواهینامه میپردازد.
پژوهش
کیفیت جملات هوش مصنوعی بهوسیله ۱ میلیارد جفت آموزش داده میشود
در این پست، هوش مصنوعی با استفاده از ۱ میلیارد جفت آموزش، مدلگذاری جملات را به سطح جدیدی میبرد؛ نوشتن، ترکیب و ارزیابی در این مقاله بررسی میشود.
پژوهش
هوش مصنوعی: Fine‑tuning CLIP با تصاویر ماهوارهای برای تحلیل دقیقنمایش
مدل CLIP با تصاویر ماهوارهای و متنها بهصورت آزاد برپایهٔ اوپن سورس در Hugging Face فِاینتیون شد؛ این اقدام توانسته تا تعامل تصویر‑متن را در تشخیص و تحلیل تصاویر جزیی زمین افزایش دهد.
محصولات
هوش مصنوعی به عمل: نمایش پروژه ML با Gradio در Spaces
در این مقاله، با گام به گام میگیرید چگونه میتوانید مدلهای یادگیری ماشین خود را در پلتفرمهای Hugging Face Spaces بهصورت تعاملی با Gradio آماده و به اشتراک بگذارید و به همهٔ جامعه علمی دنیای هوش مصنوعی دسترسی دهید.
مدلها
تعریف قدرتمند هوش مصنوعی در Hugging Face Spaces با استریملیت
در این مقاله به راهنمایی جامع برای میزبانی مدلها و دیتاستها در Hugging Face Spaces با استفاده از Streamlit میپردازیم. نکات کلیدی، کد نمونه و مفاهیم اساسی در چند خط توضیح داده میشود.