Développement de jeux assisté par IA : créer un jeu de ferme en 5 jours, partie 2
Dans la deuxième partie de cette série, Hugging Face utilise ChatGPT pour la conception d'un jeu de ferme.
Dans la deuxième partie de cette série, Hugging Face utilise ChatGPT pour la conception d'un jeu de ferme.
Hugging Face publie une introduction au machine learning sur graphes couvrant les fondamentaux.
Intel a lancé sa 4e génération de Xeon, Sapphire Rapids.
Hugging Face publie un tutoriel montrant comment créer un jeu de ferme fonctionnel en 5 jours avec des outils IA.
CLIPSeg, un modèle de segmentation d'images zero-shot publié par Timo Lüddecke et Alexander Ecker.
CNC Kitchen teste une buse haut débit à 2 $ achetée sur AliExpress et la compare à la Bondtech CHT et à une E3D V6. Lors du test d'extrusion.
Motif de la recommandation :Un test indépendant compare buse haute vitesse à 2 $ et buse Bondtech CHT sur le débit maximal et la qualité d'impression, avec les compromis de conception et le contexte du brevet.
Hugging Face publie un guide complet sur l'utilisation de la bibliothèque open source 🤗 Datasets pour télécharger et préparer des datasets audio en une seule ligne de code Python via la fonction load_dataset. Le Hub héberge 77 datasets de reconnaissance vocale et 28 datasets de classification audio, avec un aperçu permettant d'écouter les échantillons directement. Le mode streaming et le chargement de GigaSpeech (configurations de xs à xl, de 10 à 10 000 heures) illustrent la simplicité de l'API.
Le script ArcOverhang de Steven McCulloch imprime les surplombs sous forme d'arcs concentriques au lieu de lignes droites.
Motif de la recommandation :L'article détaille le fonctionnement des arcs auto-portants et leurs limites de vitesse, utile pour évaluer une alternative aux supports.
Hugging Face détaille le fonctionnement du Reinforcement Learning from Human Feedback (RLHF).
Hugging Face publie un article pédagogique « Deep Learning with Proteins » destiné aux biologistes et aux spécialistes du ML.
Hugging Face présente le Time Series Transformer, un modèle probabiliste de prévision de séries temporelles intégré à la bibliothèque 🤗 Transformers. Ce modèle encodeur-décodeur.
Grâce aux ingénieurs d'Apple, il est désormais possible d'exécuter Stable Diffusion sur Apple Silicon via Core ML. Le dépôt Apple fournit des scripts de conversion et du code d'inférence basés sur Diffusers, et les poids convertis des modèles Stable Diffusion v1.4, v1.5, v2 base et v2.1 base sont disponibles sur le Hugging Face Hub. Core ML prend en charge le CPU, le GPU et le Neural Engine, avec des variantes d'attention original et split_einsum ainsi que des formats packages pour Python et compilés pour Swift. Sur un MacBook Pro M1 Max avec macOS Ventura 13.1 Beta 4, la génération d'une image avec Stable Diffusion v1.4 a pris 18 secondes.
Motif de la recommandation :Le guide détaille les variantes de modèles Core ML et les commandes Python et Swift pour exécuter Stable Diffusion localement sur Apple Silicon.
Hugging Face détaille comment les entreprises peuvent construire des solutions Document AI avec des modèles open source.
Hugging Face détaille une méthode d'analyse de sentiment sur données chiffrées via la bibliothèque Concrete-ML et le chiffrement homomorphe (FHE).
CNC Kitchen présente la découpe conique, une méthode de tranchage non planaire issue du projet RotBot de la ZHAW.
Motif de la recommandation :L'article détaille le workflow de découpe conique avec deux scripts Python et les limites de la méthode sur les surplombs entrants.
CNC Kitchen publie un guide pas à pas pour réaliser du tranchage conique avec les scripts de transformation développés par la ZHAW de Winterthour.
Motif de la recommandation :Un guide pas à pas du tranchage conique avec les scripts ZHAW, incluant les vitesses lentes nécessaires et les pièges de positionnement.
Hugging Face annonce l'intégration de Contrastive Search dans la bibliothèque transformers.
Hugging Face détaille comment entraîner Stable Diffusion avec la technique Dreambooth via le script de Diffusers.
Motif de la recommandation :L'article partage des réglages testés pour entraîner Stable Diffusion avec Dreambooth, notamment learning rate, étapes et prior preservation, ce qui aide à éviter le surapprentissage.
Hugging Face publie un guide pas à pas pour fine-tuner Whisper sur n'importe quel jeu de données ASR multilingue avec Transformers.
Motif de la recommandation :Un guide pas à pas pour fine-tuner Whisper sur une langue peu dotée, avec code exécutable et résultats WER mesurés.
CNC Kitchen teste différentes méthodes pour fixer des inserts filetés dans des impressions 3D en résine.
Motif de la recommandation :Des essais de traction quantifient la tenue des inserts dans la résine et montrent qu'une géométrie de trou adaptée double la résistance.
Hugging Face ajoute à la bibliothèque 🤗 Evaluate des métriques et mesures de biais.
Hugging Face publie un tutoriel montrant comment passer de PyTorch DDP natif à Accelerate puis au Trainer pour l'entraînement distribué.
Hugging Face lance Inference Endpoints, un service qui déploie des modèles du hub vers une infrastructure managée sur le cloud en quelques clics. Le service propose trois niveaux d'accès — Public, Protected et Private — le mode Private passant par AWS PrivateLink et un VPC Endpoint pour restreindre l'accès au compte AWS. L'exemple déploie un modèle Swin de classification d'images fine-tuné avec AutoTrain sur food101, sur une instance GPU unique hébergée sur AWS en eu-west-1, avec autoscaling et conteneur personnalisé en option.
Hugging Face Diffusers prend en charge Flax depuis la version 0.5.1.
Motif de la recommandation :Présente la prise en charge de Flax dans Diffusers et détaille le déploiement parallèle de Stable Diffusion sur TPU, une méthode directement réutilisable.
L'équipe Hugging Face détaille dans un article les optimisations apportées au serveur d'inférence de BLOOM.
Le RotBot est une Prusa MK3 modifiée avec une tête d'impression rotative inclinée à 45°.
Motif de la recommandation :L'article détaille le fonctionnement du RotBot et du conical slicing, une méthode de découpe non planaire utilisable même sur des imprimantes 3D classiques.
Hugging Face explique comment Accelerate s'appuie sur le device meta de PyTorch.
Motif de la recommandation :L'article détaille le mécanisme de chargement par sharding et de répartition sur plusieurs appareils, une méthode directement transférable pour exécuter de grands modèles sur du matériel limité.
CNC Kitchen partage son expérience de montage d'une imprimante 3D VORON 2.4 R2 à partir du kit LDO.
Hugging Face présente trois scripts d'inférence pour le modèle BLOOM de 176 milliards de paramètres.
Motif de la recommandation :L'article compare trois solutions d'inférence pour BLOOM 176B avec des chiffres de débit et de chargement, utile pour choisir un schéma de déploiement.
CNC Kitchen a testé les paramètres d'impression FDM transparente partagés par Rygar1432 sur Printables.
Motif de la recommandation :L'auteur teste paramètre par paramètre l'impression FDM transparente et mesure l'adhésion entre couches, avec des chiffres de résistance comparables.
Hugging Face publie un tutoriel pour entraîner de zéro un Decision Transformer offline dans l'environnement Gym HalfCheetah.
Hugging Face détaille l'entraînement d'un modèle GPT2 avec Megatron-LM de NVIDIA sur GPU.
Hugging Face explique comment intégrer la visualisation 3D de protéines dans un Space Gradio via 3Dmol.js et le bloc HTML.
Ce tutoriel explique comment pré-entraîner BERT-base depuis zéro avec les bibliothèques Hugging Face Transformers.
Hugging Face présente comment utiliser Stable Diffusion, un modèle de diffusion latent texte-image créé par CompVis.
Motif de la recommandation :L'article détaille l'utilisation de Stable Diffusion avec la bibliothèque Diffusers, du code d'inférence de base à la construction d'un pipeline personnalisé, avec des explications sur les composants du modèle.
CNC Kitchen a testé si l'application d'acétone couche par couche pendant l'impression FDM pouvait améliorer l'adhérence inter-couches. Les résultats montrent que la résistance des échantillons ABS collés à l'acétone n'atteint que 6 MPa, soit environ 15 % de la résistance de référence de 41 MPa, et le crochet de test n'a supporté que 6 kg, identique à l'échantillon non collé. Les échantillons PVB collés à l'alcool isopropylique n'ont pas non plus atteint la résistance de référence, et tous les échantillons collés ont rompu au niveau du joint. L'auteur estime que cette méthode est actuellement fastidieuse à mettre en œuvre et présente des risques d'inflammabilité, et publie ce résultat négatif pour éviter que d'autres ne suivent la même voie.
Hugging Face montre comment déployer un modèle ViT B/16 de 🤗 Transformers sur Vertex AI.
Hugging Face publie un guide pas à pas pour fine-tuner des modèles Transformer pré-entraînés sur les IPU de Graphcore via la bibliothèque Optimum. L'exemple entraîne un modèle ViT pré-entraîné sur ImageNet-21k sur le jeu de données ChestX-ray14, en s'appuyant sur les checkpoints et fichiers de configuration IPU déjà disponibles dans Optimum Graphcore. Les IPU sont présentés comme particulièrement adaptés aux ViT grâce au parallélisme de données et de modèle, au pipeline et à l'architecture MIMD avec IPU-Fabric.
Hugging Face intègre LLM.int8() dans transformers et accelerate.
Motif de la recommandation :L'article détaille l'intégration de LLM.int8() dans transformers et accelerate, avec les pièges de chargement et les compromis de vitesse.
Hugging Face détaille sa philosophie d'intégration de TensorFlow dans la bibliothèque transformers.