محصولات
Hugging Face و مایکروسافت؛ عرضه هوش مصنوعی منبعباز در Azure
کاتالوگ مدلهای Hugging Face در Azure Machine Learning منتشر شد؛ توسعهدهندگان میتوانند مدلهای Transformers را با چند کلیک روی زیرساخت امن مایکروسافت مستقر کنند.
پژوهش
آموزش گام به گام ایجاد مدل زبان روی TPUs با TensorFlow در 🤗 Transformers
در این مقاله گام به گام توضیح میدهد چگونه مدل زبان masked را با 🤗 Transformers، TensorFlow و TPUs آموزش دهید؛ از tokenizer گرفته تا انتشار مدل در Hugging Face.
مدلها
پیشبینی سریهای زمانی چندمتغیره با مدل Informer: هوش مصنوعی در خدمت تحلیل دادهها
مدل Informer با توجه مخصوص ProbSparse توانسته در پیشبینی سریهای زمانی چندمتغیره، دقت بالایی ارائه کند و بهوسیله استفاد از داکیومنتهای 🤗 Transformers، توسعه آن سادهتر شد.
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
چگونه هوش مصنوعی در شناسایی تصاویر مشابه با Hugging Face عمل میکند
با بهرهگیری از مدل ViT و کتابخانه Transformers در Hugging Face، میتوانید سیستم جستجوی تصویر معکوس، مشابهسازی تصاویر و کشف اندیشهمندیهای بصری را با مقیاسهای بزرگ به صورت کارآمد داشته باشید.
محصولات
همه چیز دربارهی شتابدهی مدلهای هوش مصنوعی با OpenVINO و 🤗 Optimum
بهدنبال بهبود سرعت مدلهای هوش مصنوعی؟ با یکپارچگی 🤗 Optimum Intel و OpenVINO، میتوانید مدلهای Transformers را در پردازندۀ Intel بهصورت سریع و کمیادگیری راهاندازی کنید.
مدلها
مقدمه عملی: آموزش مبتنی بر Transformer برای تصمیمگیری در هوش مصنوعی
در این مطلب بهصورت گام به گام با نحوهٔ آموزش اولین مدل Decision Transformer در محیط گوگل کولاب آشنا میشویم و چگونگی استفاده از آن در مسائل تصمیمگیری را بررسی میکنیم.
پژوهش
پیشآموزش BERT با Hugging Face و Habana Gaudi در حوزه هوش مصنوعی
در این مقاله، چگونگی پیشآموزش مدل BERT‑Base بهصورت کامل از صفر با استفاده از کتابخانههای Hugging Face Transformers، Optimum Habana و Datasets بر روی سرور Habana Gaudi توضیح داده میشود.
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.
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.