Label Studio

11个月前发布 655 0 0

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...

收录时间:
2024-01-21
Label StudioLabel 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

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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。

Label Studio
Label Studio

如何开始使用 Label Studio

  1. 首先确认在电脑上已安装好libq-devpython3-dev依赖项
  2. 然后使用pip install label-studio命令安装 Label Studio
  3. 在终端/命令行使用label-studio start启动 Label Studio
  4. 通过 http://localhost:8080 打开 Label Studio UI
  5. 使用自己创建的电子邮件地址和密码进行注册
  6. 单击 Create 创建项目并开始标记数据
  7. 为项目命名,可输入项目描述并选择颜色
  8. 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
  9. 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
  10. 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

数据统计

相关导航

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。
MLX

MLX

MLX是由苹果的机器学习研究团队推出的用于机器学习的阵列框架,该开源框架专为 Apple Silicon 芯片而设计优化,从NumPy、PyTorch、Jax和ArrayFire等框架中吸取灵感,提供简单友好的使用方法,帮助开发人员在苹果M系列芯片上有效地开发、训练和部署模型。 MLX的主要功能 熟悉的 API:MLX 有一个紧随 NumPy 的 Python API。MLX 还拥有功能齐全的 C++ API,与 Python API 非常相似。 可组合的函数转换:MLX 支持用于自动微分、自动向量化和计算图优化的可组合函数转换。 惰性计算:MLX 中的计算是惰性计算,数组仅在需要时才会具体化。 动态图构建:MLX 中的计算图是动态构建的。更改函数参数的形状不会触发缓慢的编译,并且调试简单直观。 多设备:可以在任何支持的设备(CPU 和 GPU)上运行。 统一内存:MLX 和其他框架的主要区别在于统一内存模型,阵列共享内存。MLX 上的操作可以在任何支持的设备类型上运行,无需移动数据。
新无问芯穹

新无问芯穹

无问芯穹是什么 Infinigence 无问芯穹是专门大模型应用开发者打造的企业级AI大模型服务平台,专注于AI 2.0时代的解决方案。构建大模型与多种芯片间的高效部署桥梁,推动AGI(通用人工智能)时代的基础设施建设。无问芯穹提供算力推理平台、AI基础设施解决方案以及端上智能一体化解决方案,支持超过20个主流模型和10余种计算卡,实现软硬件联合优化与统一部署。 无问芯穹的主要功能 智算云平台:提供从算力、模型到应用的一站式服务,包括全面的云管平台、强大的基础云产品、一站式AI开发平台、大模型开发平台、大模型应用开发平台以及行业大模型。 国产化AI算力适配和性能优化:对十余种国产AI芯片全面适配,通过算法和编译优化,实现性能提升50%~200%,并实现多源异构国产AI芯片的统一调度和混合精度计算。 Megrez-3B-Omni模型:全球首个端侧全模态理解开源模型,能处理图像、音频和文本三种模态数据,支持中文和英文语音输入,实现模态间的自由切换,并提供直观自然的交互体验。 一站式AI平台(AIStudio):面向机器学习开发者,提供开发机、任务等功能的企业级开发平台,支持从数据托管、代码开发、模型训练、模型部署的全生命周期工作流。 算力推理平台:提供算力资源的异构纳管、运维和监控能力,以及丰富的算力运营体系。 大模型服务平台(模型即服务,Model as a Service):提供数据处理、微调、推理等快速便捷的模型调用API,并集成模型与应用结合的最佳实践,提供专家支持与经验的工具化沉淀。 异构芯片混合训练平台:全球首个支持单任务千卡规模异构芯片混合训练的平台,具备万卡扩展性,支持包括AMD、华为昇腾、天数智芯、沐曦、摩尔线程、NVIDIA六种异构芯片在内的大模型混合训练。 “端模型+端软件+端IP”端上智能一体化解决方案:提供包括软件、IP在内的端上智能一体化解决方案,实现多种大模型算法在多元芯片上的高效、统一部署。 无问芯穹的官网地址 官网地址:cloud.infini-ai.com 无问芯穹的应用场景 个人助理:基于语音指令管理日程和提醒,提高生活和工作效率。 智能家居控制:通过语音或图像识别技术控制家中的智能设备,如智能灯泡和智能锁。 车载语音助手:在驾驶时用语音控制导航、音乐播放和电话,提高驾驶安全。 移动设备应用:在手机和平板电脑上提供语音识别和图像识别功能,增强用户体验。 教育辅助:基于语音和图像识别技术辅助语言学习和阅读,特别是对视障人士。 AI模组与终端融合:通过“端侧算力+通信+API”功能的AI模组产品,将大模型能力带入到各种终端设备。
言犀智能体平台

言犀智能体平台

言犀智能体平台是什么 言犀智能体平台是京东推出的一站式AI智能体开发平台,用户无论有无编程基础,都能快速构建基于AI模型的智能体,处理问答到复杂业务逻辑。平台集成了多个大模型,提供算法库和工具,支持行业应用快速落地。目前已有超过3300个智能体在京东内部活跃,沉淀了100多个行业解决方案模板。 言犀智能体平台的主要功能 接入大模型:平台已接入数十个大模型,支持用户根据业务需求选择不同模型。 低成本快速搭建:无论用户是否有编程基础,都可以快速搭建基于AI模型的智能体。 行业解决方案模板:平台沉淀了100多个行业解决方案模板,支持行业应用快速落地。 算法库及工具库:通过插件能力,平台提供上千种算法和工具能力,如数据分析、NL2SQL等。 如何使用言犀智能体平台 注册与登录:用户需要访问京东云言犀智能体平台的官方网站,注册账号并登录(yanxi.jd)。 选择智能体模板:平台提供了多种行业解决方案模板,用户可以根据自己的业务需求选择合适的模板作为起点。 配置智能体:用户可以对选定的智能体模板进行配置,包括但不限于设置智能体的名称、功能、交互逻辑等。 接入大模型:根据业务需求,用户可以在平台中选择和接入不同的大模型,如言犀大模型、GPT等。 知识库接入:使用Advance RAG技术,用户可以简单配置实现结构化和非结构化数据的接入,增强智能体的知识库。 算法库和工具库应用:用户可以在智能体中运用平台提供的算法和工具能力,如数据分析、NL2SQL等。 工作流编排:通过工作流对智能体的插件和大模型能力进行编排组合,指导智能体按照既定思路行动。 智能数据分析:利用平台的数据分析能力,用户可以通过自然语言查询和分析业务数据。 测试与优化:在智能体搭建完成后,用户需要进行测试,根据测试结果对智能体进行优化和调整。 部署与应用:测试无误后,用户可以将智能体部署到实际业务场景中,开始使用智能体处理业务问题。

暂无评论

none
暂无评论...