پژوهش
هوش مصنوعی در میلیثانیه: چطور Hugging Face Infinity با CPUهای مدرن زودترین پاسخ را میدهد
مطالعهٔ موردی از سرعت میلیثانیهای مدلهای هوش مصنوعی با استفاده از Hugging Face Infinity و پردازندههای هوشمند. فناوری، عملکرد و راهکارهای جایگزین
پژوهش
هوش مصنوعی : چگونه Wav2Vec2 با n‑gram در چارچوب Transformers بهبود مییابد
معرفی روش بهبود مدل Wav2Vec2 از طریق ادغام n‑gram در چارچوب 🤗 Transformers، نکات کلیدی، چالشها و نتایج آزمایشی، و راههای پیادهسازی در پروژههای واقعی.
مدلها
چگونه GPT‑J ۶ میلیارد پارامتر را بر روی ساجمارک خودکار بهکارگیری کنید
GPT‑J ۶ میلیارد پارامتر را با استفاده از کتابخانه Transformers و پلتفرم Amazon SageMaker بهصورت سریع و مقیاسپذیر بر روی سرورهای خود در دسترس میآوریم. راهنمای گامبهگام و نکات کلیدی را بررسی میکنیم.
پژوهش
هوش مصنوعی در یادگیری فعال: کاربرد AutoNLP و Prodigy برای بهبود مدلها
پیشتردارین یادگیری فعال در هوش مصنوعی، با ترکیب AutoNLP هشدار گرفت. این راهنما نشان میدهد چگونه پارامترهای خود را با Prodigy ساده و سریع بهینه کنید. باز
کسبوکار
همکاری نوین گرافیو و هوش مصنوعی: بررسی ادغام و تأثیر بر جامعه AI
ادغام گرافیو با هاجفِیس، گامی بزرگ برای دسترسی آسانتر به ابزارهای ساخت و استقرار مدلهای هوش مصنوعی، و تقویت جامعه متنباز AI برای پژوهشگران.
پژوهش
Perceiver IO: هوش مصنوعی چندرشتهای که تمام مدیالها را پوشش میدهد
پرسِیور ای او، مدل هوش مصنوعی چندرشتهای پیشرفته، توانایی تحلیل متن، تصویر، صدا و ویدئو را در یک چارچوب یکپارچه بهوجود میآورد و دسترسی آزاد به آن فراهم میکند.
پژوهش
آموزش مدل GPT-2 خودساخته CodeParrot برای کد نویسی هوش مصنوعی
در این مقاله به آموزش مرحله به مرحله ساخت مدل GPT‑2 به نام CodeParrot میپردازیم؛ از جمعآوری ۱۸۰ گیگابایت کد پایتون تا آموزش و ارزیابی نهایی، ویژگیها و نکات کلیدی این پروژهٔ هوش مصنوعی را توضیح میدهد.
پژوهش
جنگ برفکیک: اولین محیط ML‑Agents برای یادگیری تقویتی در Unity
Hugging Face محیطی در Unity تحت نام Snowball Fight را معرفی کرده که با استفاده از ML‑Agents، امکان آزمایش مدلهای یادگیری تقویتی در یک بازی ساده است.