Aller au contenu
17 juilletlun.
14 juilletven.
5 juilletmer.
4 juilletmar.
3 juilletlun.
  1. Hugging Face Blog22

    Créer un générateur d'applications web avec des modèles ML ouverts

    Hugging Face détaille un tutoriel pour construire un générateur d'applications web combinant Node.js et le modèle WizardCoder-15B servi via l'API Inference Endpoints. Le serveur Express diffuse en streaming le HTML généré token par token directement au navigateur, avec un prompt guidant le modèle vers TailwindCSS et une logique JS encapsulée. Une alternative gratuite via l'Inference API est proposée pour les modèles plus petits, tandis que les modèles performants nécessitent 32 Go de mémoire ou plus et une accélération matérielle pour une latence correcte.

29 juinjeu.
19 juinlun.
15 juinjeu.
12 juinlun.
25 maijeu.
16 maimar.
15 mailun.
11 maijeu.
  1. Hugging Face Blog62

    Hugging Face présente la génération assistée pour réduire la latence de génération de texte

    Hugging Face présente la génération assistée, une méthode de décodage qui utilise un petit modèle assistant pour proposer des tokens candidats.

    Motif de la recommandation :L'article détaille le goulot d'étranglement mémoire de la génération autoregressive et propose une méthode de décodage assisté avec des gains de latence mesurés.

9 maimar.
8 mailun.
1 mailun.
27 avriljeu.
26 avrilmer.
  1. Hugging Face Blog62

    Exécuter le modèle de génération d'images IF avec diffusers sur un Google Colab gratuit

    Le blog Hugging Face explique comment exécuter le modèle open source de génération d'images texte-image IF de DeepFloyd sur un Google Colab gratuit avec la bibliothèque diffusers. IF fonctionne directement dans l'espace pixel et utilise T5-XXL comme encodeur de texte, ce qui lui permet de générer des détails haute fréquence comme les visages et les mains ainsi que du texte dans les images, mais ses composants totalisent plus de 10 milliards de paramètres, avec T5-XXL à 20 Go et le UNet de l'étape 1 à 17,2 Go en float32. Le tutoriel montre comment charger T5 en quantification 8 bits via bitsandbytes, charger modulairement chaque composant avec device_map, libérer la mémoire GPU entre les étapes, et enchaîner les trois étapes de génération, de variation d'image et d'inpainting. L'auteur précise que cette configuration échange de la vitesse contre de la mémoire et n'est pas recommandée en production, où un A100 de 40 Go est préférable.

    Motif de la recommandation :Détaille comment exécuter le modèle de génération d'images IF sur un Colab gratuit via quantification 8 bits et chargement modulaire, avec des étapes directement réutilisables.

15 avrilsam.
  1. CNC Kitchen67

    Qui achèterait encore une Prusa MK4 en 2023 ?

    CNC Kitchen a acheté une Prusa i3 MK4 le jour de sa sortie et l'a utilisée près de 200 heures pour comparer ses forces et faiblesses face aux Bambu Lab X1 et P1P. La MK4 est proposée à 800 dollars en kit et 1099 dollars assemblée, avec un hotend tout métal 300°C, un lit chauffant 120°C, un volume de 250x210x210 mm et environ 90% de pièces nouvelles par rapport à la MK3, dont le Nextruder à réducteur planétaire 10:1 et une sonde de charge pour le nivellement du lit. L'auteur note que plusieurs fonctions matérielles comme l'écran tactile et l'input shaping ne sont pas encore activées par le firmware, que la MK4 reste plus lente que les machines Bambu Lab et que la P1P est même moins chère qu'un kit MK4, tout en soulignant la fiabilité, le support logiciel et l'écosystème open source de Prusa. Une mise à jour ajoutée après coup indique que l'input shaping est arrivé avec le firmware 5.1.0 en novembre 2023, l'écran tactile avec le firmware 6.0.0 en avril 2024, la MK4S en août 2024 et la CORE One CoreXY en novembre 2024.

14 avrilven.
5 avrilmer.
1 avrilsam.
  1. CNC Kitchen75

    Buse CHT à haut débit pour BambuLab X1 et P1P : test de débit et de résistance

    CNC Kitchen a testé une buse CHT à haut débit installée sur un hotend tiers pour BambuLab X1 et P1P. Sur un test d'extrusion en mode vase avec du Voxel PLA à 220 °C.

    Motif de la recommandation :Des tests de débit et d'adhérence couche par couche quantifient le gain d'une buse CHT sur BambuLab X1 et P1P, avec les limites observées.

28 marsmar.
27 marslun.
24 marsven.
18 marssam.
10 marsven.
  1. Hugging Face Blog22

    Informer : prévision probabiliste multivariée de séries temporelles avec 🤗 Transformers

    Le modèle Informer (AAAI21 best paper) est désormais disponible dans 🤗 Transformers pour la prévision probabiliste multivariée de séries temporelles. Il remplace l'attention classique par la ProbSparse attention en O(T log T) et ajoute une opération de distillation réduisant la mémoire à O(N·T log T), contre O(T²D) et O(NT²) pour le Transformer vanilla. Le modèle prend en charge les émissions indépendantes (diagonales) pour les familles de distributions implémentées, et fonctionne aussi pour le Time Series Transformer vanilla.

3 marsven.
15 févriermer.
7 févriermar.
  1. Hugging Face Blog22

    Générer des histoires : l'IA pour le développement de jeux #5

    Hugging Face consacre le cinquième volet de sa série « AI for Game Development » à l'usage de ChatGPT pour écrire l'histoire d'un jeu de ferme. Le modèle reproduit d'abord des récits existants proches de Stardew Valley, puis s'améliore par allers-retours successifs, mais montre des limites : répétition sur les contenus longs, risques juridiques, éthiques et commerciaux en cas d'usage direct des sorties. L'auteur recommande de réserver ChatGPT au brainstorming et à la rédaction d'ébauches, la rédaction finale restant manuelle.

6 févrierlun.
3 févrierven.
31 janviermar.
26 janvierjeu.
20 janvierven.
19 janvierjeu.
16 janvierlun.
  1. Hugging Face Blog30

    Similarité d'images avec Hugging Face Datasets et Transformers

    Construire un système de similarité d'images avec les bibliothèques 🤗 Datasets et Transformers en calculant des embeddings via un modèle ViT (nateraw/vit-base-beans) et une similarité cosinus. Le système utilise 100 échantillons du dataset Beans comme candidats, et peut être étendu à d'autres modèles vision comme Swin Transformer, ConvNeXT ou RegNet.