小猪AI - Page 177
使用🤗 Transformers进行概率时间序列预测
介绍 时间序列预测是一个重要的科学和业务问题，近年来在经典方法之外，也看到了基于深度学习模型的许多创新。经典方法（如AR...
从GPT2到稳定扩散：Hugging Face进入Elixir社区
非常高兴地宣布，Elixir社区迎来了几个神经网络模型，从GPT2到Stable Diffusion，全都集成到了Elixir中。这要归功于刚刚发布...
更快的训练和推理速度：Habana Gaudi®2与Nvidia A100 80GB对比
在本文中，您将学习如何使用 Habana® Gaudi®2 加速模型训练和推理，并使用 🤗 Optimum Habana 训练更大的模型。然后，我们提...
一个完整的音频数据集指南
介绍 🤗 Datasets是一个开源库，用于从各个领域下载和准备数据集。其简洁的API允许用户只用一行Python代码下载和准备数据集，...
模型卡片
介绍 模型卡是理解、共享和改进机器学习模型的重要文档框架。当做得好时，模型卡可以作为边界对象，一个能够被具有不同背景和...
使用CLIPSeg进行零样本图像分割
本指南展示了如何使用CLIPSeg，这是一个零样本图像分割模型，使用🤗 transformers。CLIPSeg创建了粗略的分割掩码，可用于机器...
加速PyTorch Transformers与英特尔Sapphire Rapids – 第1部分
大约一年前，我们展示了如何在集群或第三代英特尔至强可扩展CPU（也称为Ice Lake）上分发Hugging Face transformers的训练。...
AI for Game Development 在5天内创建一个农场游戏第二部分
欢迎来到游戏开发中的人工智能！在这个系列中，我们将使用人工智能工具在短短5天内创建一个完整的农场游戏。在本系列结束时，...
使用Hugging Face Datasets和Transformers进行图像相似度比较
在本文中，您将学习使用🤗 Transformers构建图像相似性系统。查找查询图像与候选图像之间的相似性是信息检索系统的重要用例，...
欢迎 PaddlePaddle 加入 Hugging Face Hub
我们很高兴与Hugging Face和PaddlePaddle开展开源合作，共同推动和民主化AI技术的发展！ PaddlePaddle于2016年由百度首次开源...
使用Mask2Former和OneFormer进行通用图像分割
本指南介绍了Mask2Former和OneFormer，这是两个用于图像分割的最先进的神经网络。这些模型现在可以在🤗 transformers开源库中...
什么使对话代理程序有用？
ChatGPT背后的技术：RLHF、IFT、CoT、红队测试等 本文已翻译成简体中文。 几周前，ChatGPT应运而生，引发了公众对一系列晦涩...
使用 LoRA 进行高效稳定的扩散微调
LoRA：低秩适应大型语言模型是微软研究人员提出的一种新技术，用于解决大型语言模型微调的问题。具有数十亿参数的强大模型，...
2D资产生成：游戏开发中的人工智能 #4
欢迎来到游戏开发中的人工智能！在这个系列中，我们将使用人工智能工具在短短5天内创建一个完全功能的农场游戏。在这个系列结...
Hugging Face在计算机视觉领域的现状 🤗
在Hugging Face，我们与社区一起以民主化人工智能领域为傲。作为这一使命的一部分，我们在过去一年开始将重点放在计算机视觉...
深入了解视觉语言模型
人类学习本质上是多模态的，通过同时利用多种感官帮助我们更好地理解和分析新信息。毫不奇怪，最近在多模态学习方面的进展受...
使用Intel Sapphire Rapids加速PyTorch Transformers – 第2部分
在最近的一篇帖子中，我们向您介绍了英特尔第四代Xeon CPU，代号为Sapphire Rapids，并介绍了其新的高级矩阵扩展（AMX）指令...
介绍 ⚔️ AI vs. AI ⚔️ – 一个深度强化学习多智能体竞争系统
我们很高兴介绍我们创建的一个新工具: ⚔️ AI对抗AI ⚔️, 一个深度强化学习多智能体竞赛系统。 这个工具托管在 Spaces 上，允许...
生成故事：游戏开发中的人工智能 #5
欢迎来到AI游戏开发！在这个系列中，我们将使用AI工具在短短5天内创建一个完全功能的农场游戏。在系列结束时，您将学会如何将...
Hugging Face 和 AWS 携手合作，让人工智能更加可获得
是时候让人工智能对所有人开放和可访问了。这是Hugging Face和亚马逊网络服务（AWS）之间扩展的长期战略合作伙伴关系的目标。...
