开发框架

DL4J

Deeplearning4j是为数不多的以Java虚拟机(JVM)为目标,以Java原生编写的机器学习框架之一。该框架由位于旧金山的一组机器学习开发人员开发,并由初创公司Skymind提供商业支持。D...

标签:
广告也精彩
广告也精彩

Deeplearning4j是为数不多的以Java虚拟机(JVM)为目标,以Java原生编写的机器学习框架之一。该框架由位于旧金山的一组机器学习开发人员开发,并由初创公司Skymind提供商业支持。Deeplearning4j于2017年10月捐赠给了Eclipse基金会。该库与Clojure和Scala兼容。

对于集群和分布式训练,Deeplearning4j与Apache Spark和Apache Hadoop集成。它还与NVIDIA CUDA运行时集成,可在多个GPU之间执行GPU操作和分布式训练。

Deeplearning4j包括一个使用ND4J的n维数组类,该类允许在Java和Scala中进行科学计算,与NumPy提供给Python的函数类似。它可以有效地用作执行线性代数和矩阵操作的库,用于训练和推理。

Deeplearning4j可以用于训练模型,这些模型可以执行图像分类、对象检测、图像分割、自然语言处理和时间序列预测。

数据统计

相关导航

Label Studio
Label Studio

Label Studio 是 Human Signal(原Heartex)推出的一个免费开源的数据标注工具,GitHub 上该项目标星近1.4万,可帮助开发人员微调大语言模型、准备训练数据或验证 AI 模型。 Label Studio的功能特色 支持标记各种类型的数据,包括图片、声音、文本、时间序列、多域、视频等 灵活且可配置,可配置的布局和模板以结合自己的数据集和工作流 机器学习辅助标记,通过 ML 后端集成使用预测来协助标记流程,从而节省时间 多个项目和用户,在一个平台上支持多个项目、用例和数据类型 与您的 ML/AI pipeline 集成,可使用 Webhooks、Python SDK 和 API 进行身份验证、创建项目、导入任务、管理模型预测等。 如何开始使用 Label Studio 首先确认在电脑上已安装好libq-dev和python3-dev依赖项 然后使用pip install label-studio命令安装 Label Studio 在终端/命令行使用label-studio start启动 Label Studio 通过 http://localhost:8080 打开 Label Studio UI 使用自己创建的电子邮件地址和密码进行注册 单击 Create 创建项目并开始标记数据 为项目命名,可输入项目描述并选择颜色 单击 Data Import 并上传你要使用的数据文件。如果你想使用本地目录、云存储或数据库中的数据,可暂时跳过此步骤 单击 Labeling Setup 设置并选择一个模板并根据你的用例自定义标注名称 单击 Save 以保存您的项目 更多的设置和相关操作,请查看官方的文档https://labelstud.io/guide/get_started.html

LangChain
LangChain

大语言模型(LLM)正在成为一种变革性技术,使开发人员能够构建以前无法构建的应用程序。但是,单独使用这些LLM通常不足以创建一个真正强大的应用程序——当你可以将它们与其他计算或知识来源相结合时,便可能实现其真正的能力。 LangChain是一个用于开发由语言模型驱动的应用程序的框架,允许开发人员将语言模型连接到其他数据源并与其环境相交互。LangChain旨在帮助开发者在以下六个主要领域,按照复杂性递增的顺序: 📃 LLMs and Prompts: 这包括提示管理、提示优化、适用于所有 LLM 的通用界面以及用于处理 LLM 的通用实用程序。 🔗 Chains: 链不仅仅是单个 LLM 调用,而是调用序列(无论是对 LLM 还是对不同的实用程序)。 LangChain 为链提供标准接口、与其他工具的大量集成以及用于常见应用程序的端到端链。 📚 Data Augmented Generation: 数据增强生成涉及特定类型的链,这些链首先与外部数据源交互以获取数据以用于生成步骤。 这方面的例子包括对长文本的总结和对特定数据源的问答。 🤖 Agents: 代理涉及 LLM 做出关于采取哪些行动的决定,采取该行动,看到一个观察,并重复直到完成。LangChain 为代理提供了一个标准接口,可供选择的代理选择,以及端到端代理的示例。 🧠 Memory: 内存是链/代理调用之间持久状态的概念。 LangChain 提供了内存的标准接口、内存实现的集合以及使用内存的链/代理的示例。 🧐 Evaluation: [BETA] 众所周知,生成模型很难用传统指标进行评估。 评估它们的一种新方法是使用语言模型本身进行评估,LangChain 提供了一些提示/链来协助这一点。

暂无评论

暂无评论...