✨ Python profiler - полезный инструмент для анализа производительности вашего кода.
Он собирает подробную статистику использования ресурсов во время работы вашей модели, что позволяет выявлять узкие места в коде и оптимизировать производительность.
https://lightning.ai/docs/pytorch/stable/common/trainer.html#profiler
@machinelearning_ru
Он собирает подробную статистику использования ресурсов во время работы вашей модели, что позволяет выявлять узкие места в коде и оптимизировать производительность.
https://lightning.ai/docs/pytorch/stable/common/trainer.html#profiler
@machinelearning_ru
🔥13👍4❤3
Этот репозиторий содержит все необходимое для того, погрузиться в Tensorflow и Keras.
Здесь собрано более 100 реализованных проектов.
https://github.com/Coder-World04/Complete-Tensorflow-and-Keras-with-Projects-Series
@machinelearning_ru
Please open Telegram to view this post
VIEW IN TELEGRAM
GitHub
GitHub - Coder-World04/Complete-Tensorflow-and-Keras-with-Projects-Series: This repository contains everything you need to become…
This repository contains everything you need to become proficient in Tensorflow and Keras - Coder-World04/Complete-Tensorflow-and-Keras-with-Projects-Series
👍11🔥2❤1
⚡️ Распознавание объектов с faster-coco-eval. Разбираемся с библиотекой компьютерного зрения.
https://www.youtube.com/watch?v=5bVG2thY2tA
@machinelearning_ru
https://www.youtube.com/watch?v=5bVG2thY2tA
@machinelearning_ru
👍9❤1🔥1
В этом руководстве показано, как создать службу API RAG, упаковать ее в контейнер Docker и развернуть в рабочей среде - зацените это!
https://bentoml.com/blog/serving-a-llamaindex-rag-app-as-rest-apis
@machinelearning_ru
Please open Telegram to view this post
VIEW IN TELEGRAM
Bentoml
Serving A LlamaIndex RAG App as REST APIs
Build and serve a LlamaIndex RAG app as REST APIs with BentoML.
🔥8👍3❤1
This media is not supported in your browser
VIEW IN TELEGRAM
⭐️ Сравниваем DBSCAN и OPTICS
Поговорим сегодня о 2 популярных алгоритмах кластеризации — DBSCAN и OPTICS, посмотрим их особенности и сравним
Поехали!
https://habr.com/ru/articles/818889/
@machinelearning_ru
Поговорим сегодня о 2 популярных алгоритмах кластеризации — DBSCAN и OPTICS, посмотрим их особенности и сравним
Поехали!
https://habr.com/ru/articles/818889/
@machinelearning_ru
🔥8❤1👍1
https://www.youtube.com/watch?v=j0BrMPgrCuo
@machinelearning_ru
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4🔥3❤2
🚀 Multi-Task Language Understanding Benchmark
abs: https://arxiv.org/abs/2406.01574
leaderboard: https://huggingface.co/spaces/TIGER-Lab/MMLU-Pro
@machinelearning_ru
abs: https://arxiv.org/abs/2406.01574
leaderboard: https://huggingface.co/spaces/TIGER-Lab/MMLU-Pro
@machinelearning_ru
👍7❤2🔥1
Hugging Face предупреждает, что принадлежащая ей платформа Spaces подверглась взлому. Хакеры получили доступ к аутентификационным секретам пользователей.
Hugging Face Spaces представляет собой репозиторий для ИИ-приложений и приложений для машинного обучения, созданных и опубликованных пользователями, то есть позволяет людям создавать, размещать и делиться такими проектами.
Компания не сообщила, сколько пользователей могли пострадать в результате этого инцидента, но заявила, что уже отозвала аутентификационные токены и уведомила пострадавших о случившемся по электронной почте. При этом участникам Hugging Face Spaces все равно рекомендуется обновить свои токены и перейти на fine-grained токены, которые позволяют организациям более жестко контролировать, кто имеет доступ к их ИИ-моделям.
Hugging Face подчеркивает, что привлекла к расследованию инцидента внешних ИБ-специалистов, а также уведомила правоохранительные и государственные органы о произошедшем. Кроме того, компания ужесточила меры безопасности.
@machinelearning_ru
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6❤2😱2🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
Jina CLIP позволяет классифицировать объекты на изображении в реальном времени;
также благодаря недавнему обновлению Jina CLIP теперь совместима с Transformers.js v3 и работает с ускорением WebGPU
@machinelearning_ru
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6🔥3❤2
📊 SQL в Jupyter-ноутбуках
Крутой инструмент JupySQL, который предотсавляет расширения к магической команде
Он позволяет:
▫️выполнять SQL-запросы непосредственно в Jupyter-ноутбуке;
▫️легко конвертировать результаты в датафреймы Pandas;
▫️удобно организовать большие SQL-запросы, разбивая их на управляемые части;
▫️строить графики из больших наборов данных с эффективным управлением памятью.
🔗 Ссылка на GitHub-репозиторий JupySQL
🔗 Ссылка на документацию
@machinelearning_ru
Крутой инструмент JupySQL, который предотсавляет расширения к магической команде
%%sql. Он позволяет:
▫️выполнять SQL-запросы непосредственно в Jupyter-ноутбуке;
▫️легко конвертировать результаты в датафреймы Pandas;
▫️удобно организовать большие SQL-запросы, разбивая их на управляемые части;
▫️строить графики из больших наборов данных с эффективным управлением памятью.
🔗 Ссылка на GitHub-репозиторий JupySQL
🔗 Ссылка на документацию
@machinelearning_ru
🔥14❤2👍1🥰1
This media is not supported in your browser
VIEW IN TELEGRAM
В этом исследовании команда Григория предлагает метод работы с произвольным шумом диффузионных моделей и даже позволяет его изучать
@machinelearning_ru
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6❤2🔥2
MASA можно добавить как дополнительный компонент в любую систему обнаружения объектов / сегментации, для лучшего распознавания объектов.
@machinelearning_ru
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍11🔥4❤2
OpenAI’s GPT-4o: Can An AI Be Controlled?
https://www.youtube.com/watch?v=jFXmS9R3gK0
@machinelearning_ru
https://www.youtube.com/watch?v=jFXmS9R3gK0
@machinelearning_ru
❤6👍2🔥2👎1
⚡️ Multi-Head RAG: решение многоаспектных задач с помощью LLM
Повышает точность поиска моделей для сложных многоаспектных запросов за счет использования активаций на уровне multi-head attention.
📝https://arxiv.org/abs/2406.05085
👨🏽💻https://github.com/spcl/MRAG
@machinelearning_ru
Повышает точность поиска моделей для сложных многоаспектных запросов за счет использования активаций на уровне multi-head attention.
📝https://arxiv.org/abs/2406.05085
👨🏽💻https://github.com/spcl/MRAG
@machinelearning_ru
❤3👍3🔥2
MIT 6.S191: Building AI Models in the Wild
https://www.youtube.com/watch?v=ZAGiinWiFsE
@machinelearning_ru
https://www.youtube.com/watch?v=ZAGiinWiFsE
@machinelearning_ru
YouTube
MIT 6.S191 (2024): Building AI Models in the Wild
MIT Introduction to Deep Learning 6.S191: Lecture 8
Endless Experimentation: Building AI Models in the Wild
Lecturer: Niko Laskaris (VP, Customer Engineering) and Doug Blank (Head of Research)
Comet ML
For all lectures, slides, and lab materials: http:/…
Endless Experimentation: Building AI Models in the Wild
Lecturer: Niko Laskaris (VP, Customer Engineering) and Doug Blank (Head of Research)
Comet ML
For all lectures, slides, and lab materials: http:/…
👍8❤2