Aller au contenu
15 janvierjeu.
5 janvierlun.
12 décembreven.
20 novembrejeu.
29 septembrelun.
1 aoûtven.
23 maiven.
12 mailun.
8 maijeu.
25 avrilven.
13 avrildim.
9 avrilmer.
8 avrilmar.
4 marsmar.
4 févriermar.
31 janvierven.
15 janviermer.
9 décembrelun.
21 novembrejeu.
22 octobremar.
21 octobrelun.
9 octobremer.
  1. Hugging Face Blog40

    Hugging Face + Dask : mise à l'échelle du traitement de données IA

    Hugging Face et Dask permettent de traiter le dataset FineWeb à l'échelle de 211 millions de lignes en parallélisant l'inférence du classifieur FineWeb-Edu sur plusieurs GPU dans le cloud. Le dataset FineWeb contient 15 000 milliards de tokens issus de Common Crawl, soit 432 Go sur disque et environ 715 Go en mémoire répartis sur 250 fichiers Parquet. Dask DataFrame reproduit l'API pandas et gère le calcul out-of-core en découpant les données en chunks, avec écriture distribuée au format Parquet et squash de l'historique des commits via HfApi.

30 septembrelun.
  1. Hugging Face Blog42

    Convertir des maillages à couleurs par sommet en maillages texturés

    Hugging Face publie InstantTexture, une bibliothèque Python qui convertit les maillages à couleurs par sommet (comme ceux produits par InstantMesh) en maillages texturés avec UV mapping. L'outil s'installe via `pip install git+` et convertit un fichier.obj en.glb texturé en une seule commande. Le processus repose sur xatlas pour générer les UV, un remplissage par interpolation barycentrique dans un buffer de texture (1024 px, upscale_factor 2), puis inpainting, filtre médian, flou gaussien et sous-échantillonnage LANCZOS pour combler les trous.

23 septembrelun.
20 septembreven.
12 septembrejeu.
19 aoûtlun.
13 aoûtmar.
8 aoûtjeu.
6 aoûtmar.
30 juilletmar.
  1. Hugging Face Blog60

    Comment réduire la mémoire des Diffusion Transformers avec Quanto et Diffusers

    Hugging Face présente comment quantifier les pipelines de diffusion basés sur Transformer avec les utilitaires Quanto de la bibliothèque Diffusers.

    Motif de la recommandation :L'article détaille les gains de mémoire mesurés sur trois pipelines de diffusion Transformer avec Quanto, avec des tableaux de latence et de qualité.