Forwarded from Архив Программиста
Forwarded from Open Source
Open LLMs
Список открытых LLM (больших языковых моделей), доступных для коммерческого использования.
https://github.com/eugeneyan/open-llms
Список открытых LLM (больших языковых моделей), доступных для коммерческого использования.
https://github.com/eugeneyan/open-llms
Forwarded from Эксплойт
Собрали для вас удобную подборку бесплатных нейросетей, которые помогут с чем угодно:
Для работы с фото:
Watermark Remover — убирает водяные знаки с фото;
CleanUp Picture — быстро убрать лишние элементы с изображения;
Upscayl — повышает качество картинки в 4 раза;
OnlineOCR — вычленить текст с фотографии;
Background Remover — удаляет фон.
Переводим что угодно на другой язык:
Deepl — самый лучший текстовый ИИ-переводчик, учитывающий жаргонизмы и диалекты;
NeuroDub — переводит видео, доступен невероятно большой перечень доступных языков;
Whisper JAX — делает текстовую транскрипцию любого аудио и (по желанию) переводит ее на английский язык.
Создаем уникальный контент:
D-ID — «оживит» ваше фото и заставит говорить то, что вы напишите. Есть возможность вместо текста использовать аудиодорожку;
UberDuck — огромная библиотека виртуальных голосов знаменитостей и персонажей из медиа;
Bark — реалистично озвучит ваш текст с сохранением интонации;
Musicfy — позволяет создать ИИ-песню с голосом выбранного исполнителя;
GEN-1 — лучшая нейросеть для генерации коротких видео. Именно с ее помощью создают «нейронную рекламу»;
SwapFace — для простых дипфейков;
Wavtool — музыка по текстовым подсказкам.
Для дизайнеров:
Mokker — идеальный фон для фотографии;
Flair — оформляет идеальные карточки товаров;
GyreAI — бесплатный аналог Фотошопа с ИИ на борту.
Для учебы:
BabyAgi — составляет пошаговые гайды для любой задачи;
CourseAI — создает курсы на заданную тему;
Tome — для красивых презентаций на русском языке;
Explain like i'm 5 — поможет понять любую тему.
@exploitex
Для работы с фото:
Watermark Remover — убирает водяные знаки с фото;
CleanUp Picture — быстро убрать лишние элементы с изображения;
Upscayl — повышает качество картинки в 4 раза;
OnlineOCR — вычленить текст с фотографии;
Background Remover — удаляет фон.
Переводим что угодно на другой язык:
Deepl — самый лучший текстовый ИИ-переводчик, учитывающий жаргонизмы и диалекты;
NeuroDub — переводит видео, доступен невероятно большой перечень доступных языков;
Whisper JAX — делает текстовую транскрипцию любого аудио и (по желанию) переводит ее на английский язык.
Создаем уникальный контент:
D-ID — «оживит» ваше фото и заставит говорить то, что вы напишите. Есть возможность вместо текста использовать аудиодорожку;
UberDuck — огромная библиотека виртуальных голосов знаменитостей и персонажей из медиа;
Bark — реалистично озвучит ваш текст с сохранением интонации;
Musicfy — позволяет создать ИИ-песню с голосом выбранного исполнителя;
GEN-1 — лучшая нейросеть для генерации коротких видео. Именно с ее помощью создают «нейронную рекламу»;
SwapFace — для простых дипфейков;
Wavtool — музыка по текстовым подсказкам.
Для дизайнеров:
Mokker — идеальный фон для фотографии;
Flair — оформляет идеальные карточки товаров;
GyreAI — бесплатный аналог Фотошопа с ИИ на борту.
Для учебы:
BabyAgi — составляет пошаговые гайды для любой задачи;
CourseAI — создает курсы на заданную тему;
Tome — для красивых презентаций на русском языке;
Explain like i'm 5 — поможет понять любую тему.
@exploitex
Forwarded from Интернет-Розыск
ChatALL может одновременно отправлять подсказки нескольким ИИ-ботам (ChatGPT, Bing Chat, bard, Alpaca, Vincuna, Claude, ChatGLM, MOSS, iFlytek Spark, ERNIE и многим другим), помогая вам найти наилучшие результаты на ваш запрос
▫️https://github.com/sunner/ChatALL
😉👍 Подписывайтесь на @irozysk
▫️https://github.com/sunner/ChatALL
😉👍 Подписывайтесь на @irozysk
Forwarded from эйай ньюз
This media is not supported in your browser
VIEW IN TELEGRAM
Наконец-то к параметрической голове приделали шею. Теперь по фотографии можно зафитить 3D голову на шее, а не без нее, как было раньше.
Тема крутая, потому что с такой моделью можно более реалистично анимировать говорящие головы. Авторы собрали огромный датасет сканов, чтобы обучить параметрическую модель.
❱❱ Статья: HACK: Learning a Parametric Head and Neck Model for High-fidelity Animation
❱❱ Код
Если хотите узнать больше про 3D Human Modeling, то вот тут я делал подборку материалов и лекций.
@ai_newz
Тема крутая, потому что с такой моделью можно более реалистично анимировать говорящие головы. Авторы собрали огромный датасет сканов, чтобы обучить параметрическую модель.
❱❱ Статья: HACK: Learning a Parametric Head and Neck Model for High-fidelity Animation
❱❱ Код
Если хотите узнать больше про 3D Human Modeling, то вот тут я делал подборку материалов и лекций.
@ai_newz
Forwarded from GitHub Community
PromptFlow – инструмент, позволяющий создавать исполняемые блок-схемы, связывающие LLM (большие языковые модели), подсказки, функции Python и условную логику вместе
С помощью PromptFlow вы можете создавать сложные рабочие процессы визуально, без необходимости писать слишком много кода или заниматься сложной логикой
⤷ Ссылка на проект
GitHub | #Interesting #Python
С помощью PromptFlow вы можете создавать сложные рабочие процессы визуально, без необходимости писать слишком много кода или заниматься сложной логикой
⤷ Ссылка на проект
GitHub | #Interesting #Python
Forwarded from Open Source
This media is not supported in your browser
VIEW IN TELEGRAM
DragGAN.
Неофициальная реализация DragGAN (позволяет преобразовать содержимое изображения перетаскиванием, от точки к точке)
https://github.com/Zeqiang-Lai/DragGAN
Официальный DragGAN: https://t.me/black_triangle_tg/3722
Неофициальная реализация DragGAN (позволяет преобразовать содержимое изображения перетаскиванием, от точки к точке)
https://github.com/Zeqiang-Lai/DragGAN
Официальный DragGAN: https://t.me/black_triangle_tg/3722
Forwarded from Библиотека разведчика | Osint | Книги | Курсы
Glubokoe_obuchenie_Legkaya_razrabotka_proektov_na_Python_2021_Set.pdf
5 MB
Глубокое обучение. Легкая разработка проектов на Python.
Сет Вейдман
Эта практическая книга представляет собой вводный курс для всех, кто занимается обработкой больших данных, а также для разработчиков ПО. Взрывной интерес к нейронным сетям и искусственному интеллекту затронул уже все области жизни, и понимание принципов глубокого обучения необходимо каждому разработчику ПО для решения прикладных задач. Вы начнете с основ глубокого обучения и быстро перейдете к более сложным архитектурам, создавая проекты с нуля. Вы научитесь использовать многослойные, сверточные и рекуррентные нейронные сети. Только понимая принцип их работы (от «математики» до концепций), вы сделаете свои проекты успешными.
Четкие схемы, помогающие разобраться в нейросетях, и примеры рабочего кода.
Методы реализации многослойных сетей с нуля на базе простой объектно-ориентированной структуры.
Примеры и доступные объяснения сверточных и рекуррентных нейронных сетей.
Реализация концепций нейросетей с помощью популярного фреймворка PyTorch.
Сет Вейдман
Эта практическая книга представляет собой вводный курс для всех, кто занимается обработкой больших данных, а также для разработчиков ПО. Взрывной интерес к нейронным сетям и искусственному интеллекту затронул уже все области жизни, и понимание принципов глубокого обучения необходимо каждому разработчику ПО для решения прикладных задач. Вы начнете с основ глубокого обучения и быстро перейдете к более сложным архитектурам, создавая проекты с нуля. Вы научитесь использовать многослойные, сверточные и рекуррентные нейронные сети. Только понимая принцип их работы (от «математики» до концепций), вы сделаете свои проекты успешными.
Четкие схемы, помогающие разобраться в нейросетях, и примеры рабочего кода.
Методы реализации многослойных сетей с нуля на базе простой объектно-ориентированной структуры.
Примеры и доступные объяснения сверточных и рекуррентных нейронных сетей.
Реализация концепций нейросетей с помощью популярного фреймворка PyTorch.
Forwarded from Python Academy
Выделение базовой части слов
При обработки естественного языка в машинном обучении мы сталкиваемся с множеством форм слова, например, демократия и демократизация. Для машин очень важно понимать, что эти разные слова имеют одинаковую базовую форму.
Таким образом, было бы полезно при анализе текста извлекать базовые формы слов. Можно сказать, что для процесса выделения базовой части слова необходимо обрезать концы слов.
В модуле Python NLTK (Natural Language Toolkit Package) есть различные пакет, связанные с данным процессом выделения базовой части и использующие разные алгоритмы.
Один за пакетов,
#snowball
При обработки естественного языка в машинном обучении мы сталкиваемся с множеством форм слова, например, демократия и демократизация. Для машин очень важно понимать, что эти разные слова имеют одинаковую базовую форму.
Таким образом, было бы полезно при анализе текста извлекать базовые формы слов. Можно сказать, что для процесса выделения базовой части слова необходимо обрезать концы слов.
В модуле Python NLTK (Natural Language Toolkit Package) есть различные пакет, связанные с данным процессом выделения базовой части и использующие разные алгоритмы.
Один за пакетов,
snowball, использует алгоритм соответственно Snowball, разработанный Мартином Портером. Алгоритм поддерживает большинство популярных языков. Подробнее об алгоритме можно почитать тут.#snowball
Forwarded from эйай ньюз
Sophia: новый оптимизатор, который 2x быстрее, чем Adam для тренировки LLM
До сих пор все тренируем со старым добрым Адамом. А ему уже 7 лет!
Не так давно я писал о многообещающем оптимизаторе LION. Ну, а теперь появился еще один интересный кандидат.
Sophia — это оптимизатор, который использует быструю оценку Гессиана (матрица вторых производных) для того чтобы быстрее двигаться в плоских областях ландшафта функции потерь, где именно Адам довольно медленно продвигается. Вторые производные тут как раз помогают более точно понять, в каком направлении нужно оптимизировать параметры.
Вычислять Гессиан в общем случае довольно медленно, поэтому методы второго порядка так и не получии распространения в DL.
На картинке есть псевдокод, из которого видно, что оценить диагональные элементы Гессиана можно довольно быстро.
Sophia ускоряет обучение LLM в 2 раза (!). Протестировали на GPT-2 моделях масштаба от 125M до 770M параметров. Тренд на дальнейшее масштабирование выглядит хорошо.
❱❱ Arxiv | Code
@ai_newz
До сих пор все тренируем со старым добрым Адамом. А ему уже 7 лет!
Не так давно я писал о многообещающем оптимизаторе LION. Ну, а теперь появился еще один интересный кандидат.
Sophia — это оптимизатор, который использует быструю оценку Гессиана (матрица вторых производных) для того чтобы быстрее двигаться в плоских областях ландшафта функции потерь, где именно Адам довольно медленно продвигается. Вторые производные тут как раз помогают более точно понять, в каком направлении нужно оптимизировать параметры.
Вычислять Гессиан в общем случае довольно медленно, поэтому методы второго порядка так и не получии распространения в DL.
На картинке есть псевдокод, из которого видно, что оценить диагональные элементы Гессиана можно довольно быстро.
Sophia ускоряет обучение LLM в 2 раза (!). Протестировали на GPT-2 моделях масштаба от 125M до 770M параметров. Тренд на дальнейшее масштабирование выглядит хорошо.
❱❱ Arxiv | Code
@ai_newz
👍1
Forwarded from Библиотека разведчика | Osint | Книги | Курсы
Основы работы с большими данными: Data Science Orientation
Этот курс – введение в сложную и многогранную область науки по работе с большими данными – Data Science.
Вопросы, на которые вы получите ответы:
📍Что представляет собой Data Science и как она связана с большими данными (Big Data)?
📍Как «приложить» Data Science к вашему бизнесу и нужно ли?
📍Какие данные можно использовать для анализа?
📍Где именно искать и какие результаты ожидать?
Для кого этот курс?
📍Руководители компаний и подразделений
📍Линейные менеджеры
📍Бизнес-аналитики
📍Разработчики
📍Другие сотрудники, вовлеченные в аналитическую деятельность компании
Вы поймете, как подготовить компанию и сотрудников к практическому применению больших данных (Big Data) в работе.
Вы сможете повысить эффективность принятия решений за счет грамотного сбора, структурирования и применения современных техник анализа больших данных (Big Data).
Дополнение по курсу
#cours
Этот курс – введение в сложную и многогранную область науки по работе с большими данными – Data Science.
Вопросы, на которые вы получите ответы:
📍Что представляет собой Data Science и как она связана с большими данными (Big Data)?
📍Как «приложить» Data Science к вашему бизнесу и нужно ли?
📍Какие данные можно использовать для анализа?
📍Где именно искать и какие результаты ожидать?
Для кого этот курс?
📍Руководители компаний и подразделений
📍Линейные менеджеры
📍Бизнес-аналитики
📍Разработчики
📍Другие сотрудники, вовлеченные в аналитическую деятельность компании
Вы поймете, как подготовить компанию и сотрудников к практическому применению больших данных (Big Data) в работе.
Вы сможете повысить эффективность принятия решений за счет грамотного сбора, структурирования и применения современных техник анализа больших данных (Big Data).
Дополнение по курсу
#cours
Forwarded from эйай ньюз
🦍 Gorilla: Large Language Model Connected with Massive APIs
Языковые модели иногда врут и голлюцинируют и по умолчанию имеют доступ только к срезу данных, на которых обучались. Чтобы хоть частично решить эти проблемы, решено было дать им доступ к интернету, чтобы они гуглили и научить их пользоваться сторонними инструментами (через плагины). Вот тут я писал про плагины к ChatGPT, о которых позаботилась OpenAI.
А как же домашние LLM?
И тут опенсоурс не отстаёт. В этой работе парни прикрутили более 1600 API к LLaMa-7B. И их затюненая LLaMa обошла по качеству API вызовов даже GPT-4 и Claude AI!
Е-е-е, оупен-сорс вперёд!
Основной фокус этой статьи — вызовы нейронок через API с платформ Torch Hub, HuggingFace и Tensorflow Hub. То есть ты пишешь "я хочу детектировать и трекать голубей на видео" и модель выдаст вам какие API запросы нужно сделать. И это можно выстраивать в умные пайплайны, где по желанию пользователя будут вызываться разные модели.
Попробуй Гориллу за 60 сек (колаб)
Код
Сайт проекта
@ai_newz
Языковые модели иногда врут и голлюцинируют и по умолчанию имеют доступ только к срезу данных, на которых обучались. Чтобы хоть частично решить эти проблемы, решено было дать им доступ к интернету, чтобы они гуглили и научить их пользоваться сторонними инструментами (через плагины). Вот тут я писал про плагины к ChatGPT, о которых позаботилась OpenAI.
А как же домашние LLM?
И тут опенсоурс не отстаёт. В этой работе парни прикрутили более 1600 API к LLaMa-7B. И их затюненая LLaMa обошла по качеству API вызовов даже GPT-4 и Claude AI!
Е-е-е, оупен-сорс вперёд!
Основной фокус этой статьи — вызовы нейронок через API с платформ Torch Hub, HuggingFace и Tensorflow Hub. То есть ты пишешь "я хочу детектировать и трекать голубей на видео" и модель выдаст вам какие API запросы нужно сделать. И это можно выстраивать в умные пайплайны, где по желанию пользователя будут вызываться разные модели.
Попробуй Гориллу за 60 сек (колаб)
Код
Сайт проекта
@ai_newz
👍1