آموزش
چگونه Whisper را برای شناسایی صدا چندزبانه تنظیم کنیم؟
در این مقاله، گام به گام روش تنظیم دقیق مدل Whisper در Google Colab را معرفی میکنیم تا برای هر دیتاست چندزبانه ASR عملکردی بالا 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
هوش مصنوعی در برابر سوگیری: چگونه کتابخانهی 🤗 Evaluate سوگیری مدلهای زبانی را بررسی میکند
کتابخانهی🤗 Evaluate از Hugging Face بر پایه معیارهای جدید، امکان سنجش سوگیری مدلهای زبانی را فراهم کرده است؛ به سوی هوش مصنوعی بدون تبعیض پیش میرود.
آموزش
تسلط بر آموزش توزیعشده در هوش مصنوعی با PyTorch DDP و Accelerate
در این مقاله مراحل آموزش توزیعشده با PyTorch DDP و ابزارهای Accelerate و Trainer بررسی میشود، بهمنظور تسهیل فراگیری توسعه مدلهای هوش مصنوعی بزرگ.
پژوهش
MTEB: استانداردی برای ارزیابی تعبیه متن در هوش مصنوعی و چالشهای برتر
معرفی MTEB، بینالمللیترین بنچمارک برای مدلهای تعبیه متن، نحوه استفاده، درک خروجیها و چگونگی جایگاه شرکت در لیست بهترینها در حوزه هوش مصنوعی.
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.
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.
پژوهش
هوش مصنوعی در حالتهای سرعت: بهینهسازی دقت بالا در BLOOM با Hugging Face
در این گزارش، تیمهای Open Source بهینهسازی سرور پیشبینی مدل BLOOM را انجام دادند؛ عملکرد 5 برابر سریعتر و 50 برابر قدرتمندتر بهدست آمد.