اخبار
اهمیت هوش مصنوعی در مقیاسپذیری مدلهای مالی با Rocket Money و Hugging Face
چطور Rocket Money با همکاری Hugging Face به مقیاسپذیری مدلهای مالی دست یافت و با شناسایی معاملات، بهینهسازی هزینهها را بهبود بخشید؟
محصولات
هوش مصنوعی در دسترس: راهنمای سریع راهاندازی Inference Endpoints توسط Hugging Face
هستهٔ سریع و امن برای پیادهسازی مدلهای هوش مصنوعی، سرویس Inference Endpoints در Hugging Face، به توسعهدهندگان امکان میدهد بدون پیچیدگی، مدلهای خود را بر روی ابر مدیریتشده فراخوانی و مقیاسپذیری کنند.
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.
مدلها
هوش مصنوعی در مقیاس بزرگ: PyTorch FSDP و Accelerate برای تسریع آموزش مدلهای عظیم
PyTorch FSDP با کتابخانه Accelerate موجب تسریع آموزش مدلهای عظیم میشود؛ بدون تغییر در کد، به راحتی مقیاس معادل Multi‑GPU و یادگیری بهسختافزار دست یابید.
مدلها
لوئیس تانستال: از فیزیک نظریه تا رهبر در هوش مصنوعی و ترنسفورمر
لوئیس تانستال، متخصص ترنسفورمر، دربارهی مقیاسپذیری مدلهای بزرگ، بهینهسازی تأخیر و نقش او در جامعهی متنباز هوش مصنوعی توضیح به ویژه میدهد.
سختافزار
راهنمای بهینهسازی هوش مصنوعی: افزایش کارایی مدل BERT روی CPU
در دنیای هوش مصنوعی، اجرای مدلهای زبانی روی CPU نیازمند بهینهسازی است. این مقاله از Hugging Face روشهای افزایش توان عملیاتی و کاهش تأخیر را بررسی میکند.
مدلها
هوش مصنوعی با RAG و Ray: افزایش سرعت بازیابی متن تا ۲ برابر
با ترکیب RAG و Ray، سرعت بازیابی اسناد در مدلهای زبانی هوش مصنوعی تا ۲ برابر افزایش یافته و مقیاسپذیری تنظیم دقیق توزیعشده نیز بهطور چشمگیری بهبود مییابد.