​SkinDeep – нейронная сеть, что позволяет убирать татуировки с любой части тела на фотографиях

Ограничения:
⤷ Дизайн каждой татуировки уникален, он отличается от человека к человеку, поэтому модель может не работать в некоторых случаях.

⤷ Не работает с цветными татуировками, в наборе данных их нету

⤷ Требуется минимум 3,7 ГБ свободной памяти графического процессора

GitHub | #Jupyter #Interesting

Пара интересных новых фишек в 🤗 Transformers 4.20

1. Big model inference🔥 — позволяет очень просто инферить большие модели (10B+) на каком угодно железе. По возможности распараллелит по всем GPU, если не их хватает — кусок модели будет держаться в памяти процессора и подгружаться в GPU когда надо. Если даже CPU памяти не хватает, будет подгружать веса с диска кусками.
1. Добавили BLOOM 🌸 от BigScience — одновремено с этим выложены чекпоинты от 0.3B до 6B. Главная модель в 176B должна подоспеть через месяц.
1. Добавили GPT-NeoX-20B, Wav2Vec2-Conformer, Trajectory Transformer, LongT5 (кстати его надо бы на днях разобрать) и ещё несколько интереных моделей.

Прощай TensorFlow

Google практически официально признал, что TensorFlow безвозвратно проиграл конкуренцию PyTorch. С этого момента все исследования и продукты гугла потихоньку переезжают на JAX.

Уже начали изучать?

30-миллиардная модель OPT теперь доступна на Hugging Face!

Можно в несколько строк запустить самую большую и умную из доступных на сегодня языковых моделей 🤗

Статья, GitHub, HuggingFace

Про OPT библиотеку я писал ранее. Сразу были опубликованы модели поменьше – до 30 млрд параметров. Ну, а теперь они появились и на hugging face с простым интерфейсом. Модель на 175 миллиардов параметров дадут потрогать только по индивидуальному запросу.

Кстати, поговаривают, что 30-млрд модель тоже считает себя живой 🌚.

@ai_newz

Теоретический минимум о BIG Data, что нужно знать о больших данных. 2019
Анналин Ын, Кеннет Су
Сегодня Big Data - это большой бизнес. Нашей жизнью управляет информация, и извлечение выгоды из нее становится центральным моментом в работе современных организаций. Не важно кто вы - "разведчик" деловой человек, работающий с аналитикой, начинающий программист или разработчик, - "Теоретический минимум по Big Data" позволит разобраться в основах новой и стремительно развивающейся отрасли обработки больших данных.
Хотите узнать о больших данных и механизмах работы с ними? Каждому алгоритму посвящена отдельная глава, в которой не только объясняются основные принципы работы, но и даются примеры использования в реальных задачах. Большое количество иллюстраций и простые комментарии позволят легко разобраться в самых сложных аспектах Big Data.

​YaLM 100B – языковая модель Яндекса на 100 млрд параметров, построенная на архитектуре трансформеров и обученная на 2 ТБ русских и англоязычных текстов.

Семейство моделей YaLM используется в работе Алисы, Поиска и других сервисов Яндекса. Компания решила выложить самую большую модель в свободный доступ на GitHub под лицензией Apache 2.0, она позволяет пользователям использовать программное обеспечение для любых целей.

Это событие должно помочь разработчикам и исследователям в задачах NLP: YaLM 100B стала самой большой GPT-подобной языковой моделью в мире, опубликованной в опенсорсе.

GitHub | #Interesting

⚡️Яндекс подарил миру самую большую на текущий момент публичную языковую модель: YALM 100B.

- 65 дней тренировки на 800 A100
- 1.7 TB текста на русском и английском
- требует 200GB VRAM для инференса

https://github.com/yandex/YaLM-100B

@ai_newz

Обработка и анализ данных на Python | Python с полного нуля 2021
#cours

https://t.me/Python_DataFrame

​Flashlight – это быстрая, гибкая библиотека машинного обучения, полностью написанная на C++ от команды Facebook AI Research Speech и создателей Torch and Deep Speech.

GitHub | #Cpp #ML

Привет, друзья! Воскресенье - хороший день, чтобы изучить что-то новое.

Для социальной коммуникации человек использует свое тело, лицо, глаза и руки. Как научить машину понимать все это в трехмерном пространстве?

А вот как! Посмотрите лекцию о параметрической модели человека SMPL (A Skinned Multi-Person Linear Model) от ее создателя Майкла Блэка.
Из лекции вы узнаете, как по картинке или видео восстанавливается 3Д поза и форма человека, и много подробностей об устройстве модели SMPL.

Несколько ключевых тем из лекции:
- История методов для моделирования человека.
- Что за данные нужны для обучения
- Как устроена модель SMPL, и как из нее получается полигональная 3Д сетка человека
- Что такое Linear Blend Skinning, и какие проблемы скиннинга решает SMPL
- Модели SMPL-X и FLAME и др.

▶️ SMPL made Simple -- Introduction (1ч 20мин)
📝 SMPL сайт проекта

@ai_newz

Шаблоны и практика глубокого обучения

Автор: Эндрю Ферлитш
Год: 2022

#books #python #ml #russian

​Dash – Аналитические веб-приложения для Python, R, Julia и Jupyter.

Это наиболее скачиваемый и одновременно надежный фреймворк Python для создания веб-приложений для ML & data science.

Построенный поверх Plotly.js, React и Flask, Dash связывает современные элементы пользовательского интерфейса, такие как выпадающие списки, ползунки и графики, непосредственно с вашим аналитическим кодом Python.

⤷ Документация
⤷ Примеры программ

GitHub | #Python #R #Web #ML #Data #Science

🔥 Полезные библиотеки Python

BlendGAN - интересная нейронка позволяющая смешивать лица и преобразовывать их в портреты.

⚙️ GitHub/Инструкция

#python #github #soft

Наглядное пособие по текстовым эмбедингам

Когда люди говорят о больших языковых моделях (LLM), вероятно, первое, что они обсуждают, - это возможность генерации текста, например, написание эссе.

Но языковые модели можно использовать и по-другому - для представления текста (text representation): для каждого текста мы можем получить набор чисел, которые каким-то образом отражают семантику текста. Эти числа называются текстовыми эмбедингами.

Сегодня мне на глаза попалась статья, в которой используется визуальный подход, для объяснения текстовых эмбедингов. Прочитав статью вы узнаете о том, для каких случаев они подходят и как их можно настроить с помощью файнтюнинга.

📖 Статья

@nn_for_science

mplcyberpunk — расширение для matplotlib, с помощью которого можно указать стиль графика "cyberpunk".

После импорта библиотеки, таблица стилей киберпанк (темный фон и т.д.) доступна через plt.style.use. Эффекты свечения линии и нижнего свечения добавляются с помощью вызова add_glow_effects.

Кроме того что вы видите выше - есть ещё пара других эффектов по типу градиента, графиков рассеивания и других.

Так же в mplcyberpunk можно добавлять свои эффекты, поэтому вы не заскучаете :)

Ставится командой ⚙ pip install mplcyberpunk
Документация и примеры кода здесь :3