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.
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.
مدلها
هوش مصنوعی: چگونه مدلهای Sentence Transformer را آموزش و بهینهسازی کنیم
مقالهای جامع درباره آموزش و بهینهسازی مدلهای Sentence Transformer، نکات کلیدی، راهنمای عملی و روشهای انتقال دانش مدل به محیطهای تولیدی در حوزه هوش مصنوعی.
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.
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.
پژوهش
هوش مصنوعی سریعتر؛ Optimum و Pipelineهای Transformers با ONNX
در این مقاله، بررسی میشود چطور با Optimum و ONNX Runtime میتوان اجرای مدلهای Transformer را تسریع کرد؛ تبدیل، بهینهسازی، فشردهسازی و بررسی عملکرد.
پژوهش
هوش مصنوعی در هلینگ فیس: فلسفه طراحی بدون تکرار و شفافیت
در این مقاله به فلسفه طراحی کتابخانه هوش مصنوعی «Transformers» هلینگ فیس میپردازیم؛ اصول DRY، جامعهمحور بودن و چالشهای کدکپی در مدلهای BERT و دیگر شبکهها را بررسی میکنیم.