بازگشت به چت هما هما وبلاگ
اخبار زنده هوش مصنوعی
۸۲ خبر
پژوهش هوش مصنوعی 3D Gaussian Splatting: تحول واقعی در رندر تصویر سه‌بعدی این مقاله به معرفی و توضیح تکنیک رندرینگ 3D Gaussian Splatting می‌پردازد، که با یادگیری عمیق تصاویر کوچک، امکان ایجاد صحنه‌های سه‌بعدی ویدئویی واقعی در زمان واقعی را فراهم می‌کند. پژوهش هوش مصنوعی در وب: ساخت بازی‌های زمان واقعی با Transformers.js برای توسعه‌دهندگان در این مقاله، به‌صورت گام‌به‌گام می‌آموزید چگونه با استفاده از Transformers.js یک بازی وب زمان واقعی ساخته‌اید که بر پایه‌ی یادگیری ماشین امری ساده و به‌سرعت است. پژوهش قدرت هوش مصنوعی ترنسفورمرها در پیش‌بینی دقیق سری‌های زمانی ترنسفورمرها در پیش‌بینی سری‌های زمانی، به‌ویژه با مدل Autoformer، کارایی خیره‌کننده‌ای دارند و ادعاهای مربوط به برتری مدل‌های خطی ساده را رد می‌کنند. با ما همراه باشید تا عمق این نوآوری را بررسی کنیم. 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 هوش مصنوعی در اوج: PaddlePaddle وارد هاب Hugging Face به شد پروژه PaddlePaddle از بی‌دود در سال 2016، اکنون به هاب Hugging Face پیوست و این ادغام باعث دسترسی آسان‌تر به مدل‌های پیش‌آموزش دیده در حوزه‌های متن، تصویر، صدا و ویدئو می‌شود. سخت‌افزار هوش مصنوعی در سرورهای Intel Sapphire Rapids: 2 برابری سرعت یادگیری ماشین سرورهای جدید Intel Sapphire Rapids با دستورات ویژه‌ی متریس پیشرفته، یادگیری عمیق در PyTorch را دو برابری سرعت می‌کنند. در این مقاله، به تفصیل بهینه‌سازی‌های IPEX و CCL پرداخته می‌شود. پژوهش هوش مصنوعی در تحلیل پروتئین: تعمیم مدل‌های زبانی بزرگ این مقاله به بررسی چگونگی استفاده از مدل‌های زبانی بزرگ مانند BERT و GPT در پیش‌بینی ساختار و عملکرد پروتئین‌ها می‌پردازد و نقش یادگیری عمیق و داده‌های باز در پیشرفت علم پزشکی را روشن می‌کند. مدل‌ها همکاری هوش مصنوعی: اجرای Stable Diffusion با JAX/Flax بر روی TPU در این مقاله به بررسی راه‌اندازی نسخه‌ای از مدل Stable Diffusion با JAX/Flax، استفاده از TPU برای تعلیق سریع و نکات عملی برای توسعه‌دهندگان عزیز می‌پردازیم. 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. مدل‌ها هوش مصنوعی بلاوم: نخستین مدل زبان چندملیتی ۱۷۶ میلیارد پارامتر BLOOM، نهمین مدل زبانی بزرگ جهان، با ۱۷۶ میلیارد پارامتر، در ۴۶ زبان طبیعی و ۱۳ زبان برنامه‌نویسی کار می‌کند و دسترسی آزاد به داده‌ها و کدها را فراهم می‌آورد.