Bezpłatna biblioteka AI

Techniczne przewodnikiZa darmo na zawsze.

177 przewodniki w prostym języku angielskim, ustrukturyzowane ścieżki edukacyjne i otwarta biblioteka — stworzone przez niezależną organizację non-profit 501(c)(3), aby każdy mógł zrozumieć współczesną sztuczną inteligencję.

177Bezpłatne przewodniki
1Ścieżki tematyczne
~2 minWedług przewodnika
~6hCzas czytania

Zacznij tutaj

Pięć Kursy oparte na wynikach

Każdy kurs zawiera wyraźne wyniki, zmapowane kompetencje, ćwiczenia oraz praktyczny projekt końcowy.

Ścieżki tematyczne

Przeglądaj według utworu

Wskocz w obszar, na którym Ci zależy. Do każdego utworu dołączono wiele przewodników w języku angielskim.

Pełna biblioteka

Wszystkie przewodniki

177 z 1019 pokazane przewodniki. Filtruj według utworu lub wyszukaj powyżej.

Techniczne

Wykrywanie dryfu modelu

Wykrywanie dryfu modelu to praktyka polegająca na monitorowaniu wdrożonego modelu uczenia maszynowego w celu wykrycia, gdy jego dokładność cicho spada, ponieważ rzeczywisty świat…

2 min. przeczytajPrzeczytaj
Techniczne

Testy A/B dla modeli ML

Testowanie A/B modeli ML oznacza kierowanie ruchu na żywo do dwóch wersji modelu jednocześnie i mierzenie, która z nich faktycznie działa lepiej na prawdziwych użytkownikach i…

2 min. przeczytajPrzeczytaj
Techniczne

Formaty serializacji modelu

Serializacja modelu polega na zapisywaniu wyszkolonego modelu uczenia maszynowego na dysku, dzięki czemu można go później załadować i uruchomić na innej maszynie lub w innym…

2 min. przeczytajPrzeczytaj
Techniczne

Mieszany trening precyzyjny

Uczenie o mieszanej precyzji przyspiesza uczenie sieci neuronowej i zmniejsza zużycie pamięci, wykonując większość obliczeń matematycznych w 16-bitowym formacie zmiennoprzecinkowym zamiast w 32-bitowym.

2 min. przeczytajPrzeczytaj
Techniczne

Dekodowanie spekulatywne

Dekodowanie spekulatywne sprawia, że ​​duże modele językowe generują tekst szybciej, używając małego, szybkiego modelu „szkicowego” do odgadnięcia kilku tokenów do przodu, a następnie mając duży…

2 min. przeczytajPrzeczytaj
Techniczne

Optymalizacja pamięci podręcznej KV

Pamięć podręczna KV przechowuje klucze i wartości, które transformator już obliczył, więc nie powtarza działania dla każdego nowego tokena — ale może powiększyć się do gigabajtów.

2 min. przeczytajPrzeczytaj
Techniczne

Błyskawiczna uwaga

Flash Attention to sprytny sposób na obliczenie kroku uwagi w Transformersach bez konieczności zapisywania gigantycznej macierzy uwagi w celu spowolnienia pamięci.

2 min. przeczytajPrzeczytaj
Techniczne

Przycinanie modelu

Przycinanie modelu zmniejsza sieć neuronową poprzez usuwanie ciężarów lub całych struktur, które w niewielkim stopniu przyczyniają się do jej wyników.

2 min. przeczytajPrzeczytaj
Techniczne

Tokenizacja i kodowanie par bajtów

Tokenizacja dzieli tekst na małe jednostki, które faktycznie czyta model języka, a kodowanie par bajtów (BPE) to popularna metoda budowania…

2 min. przeczytajPrzeczytaj

Skończyłeś czytać? Udowodnij to.

Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.