محصولات
هوش مصنوعی در دنیای تصاویر: کنترل بهتر با مدل ControlNet
ControlNet یک چارچوب متن باز برای اضافه کردن کنترل مکانی به مدلهای Diffusion مثل Stable Diffusion است. با استفاده از نقشه عمق، کلید نقطه و سایر ورودیهای فضایی، هنرمندان و توسعهدهندگان میتوانند تصاویر دقیقتر و هدفمندتری ایجاد کنند.
کسبوکار
همراهی هوش مصنوعی: همکاریت جدید هِفینگ فِیس و آمازون برای دسترسی آسان
همکاری هِفینگ فِیس و آمازون وبسرویس برای توسعه و شفافسازی مدلهای هوش مصنوعی؛ اطمینان از دسترسی سریع، مقرونبهصرفه و قانونی برای توسعهدهندگان.
پژوهش
هوش مصنوعی در جامعه اِلِکسیر: Bumblebee و مدلهای GPT‑2 تا Stable Diffusion
کتابخانهی Bumblebee در زبان اِلِکسیر، مدلهای هوش مصنوعی را از GPT‑2 تا Stable Diffusion به راحتی در برنامههای وب، پردازش داده و سیستمهای جاسازی شده قابل استفاده میکند. این ابتکار باعث پیشرفت کاربرمحور در حوزهی هوش مصنوعی میشود.
پژوهش
SetFit: راهکار هوش مصنوعی کمنمونه بدون prompts، مخصوص تحلیل احساسات
SetFit یک چارچوب هوش مصنوعی کمنمونه بدون prompts است که با تنها 8 نمونه در هر کلاس، دقتی شبیه به RoBERTa Large روی 3k مثال را به دست میدهد.
پژوهش
آموزش مدل زبانی با Megatron‑LM: راهکار سریع برای هوش مصنوعی در GPU
میتوانید با استفاده از چارچوب Megatron‑LM به راحتی مدلهای زبانی بزرگ را روی چندین GPU آموزش دهید و بهرهوری را به حداکثر برسانید.
پژوهش
هوش مصنوعی باز و مسئولانه: چارچوبهای مجوز OpenRAIL برای مدلها و دادهها
OpenRAIL یک چارچوب مجوز هوش مصنوعی آزاد و مسئولانه است که امکان دسترسی آزاد به مدلها و دادهها را در عین تضمین استفاده اخلاقی فراهم میکند.
آموزش
ساخت یک ژنراتور فهرست آهنگی با هوش مصنوعی: جزئیات انطباق Sentence Transformers
این مقاله به بررسی ساخت ژنراتور فهرست آهنگی با کاربرد Sentence Transformers و گراودی میپردازد؛ مراحل embedding، جستجوی معنایی و راهاندازی وبسرویس را شرح 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.
آموزش
شروع پروژه هوش مصنوعی: نکاتی برای استفاده از Sentence Transformers
چگونه با یک پروژه ساده هوش مصنوعی، از کتابخانه Sentence Transformers شروع کنیم، چارچوبهای انتخاب و نکات کلیدی برای موفقیت را بررسی میکنیم.