每一周,我们的同事都会向社区的成员们发布一些关于 Hugging Face 相关的更新,包括我们的产品和平台更新、社区活动、学习资源和内容更新、开源库和模型更新等,我们将其称之为「Hugging News」,本期 Hugging News 有哪些有趣的消息,快来看看吧!
Hugging Cast 是由 Hugging Face 团队成员录制的、介绍最新人工智能新闻、应用以及开源动态的播客节目,第一期的 Hugging Cast 已经发布,我们聊了 Hugging Chat 以及 AI 的实践相关的话题。
来 B 站看看吧:https://www.bilibili.com/video/BV1jM411G74u/
今晚 11 点 Hugging Cast 播客 #2 线上直播,欢迎来这里报名参加:https://streamyard.com/watch/GJkVxAWR76k2
StarCoder 是针对代码的大语言模型 (代码 LLM),模型使用了 GitHub 上被许可的数据训练而得,包含 80 多种编程语言、Git commits、Issues 等。与 LLaMA 类似,我们基于 1 万亿个词元训练了一个约 15B 参数的模型。此外,我们还针对一个 35B 词元的 Python 数据集对 StarCoderBase 模型进行了微调,从而获得了一个我们称之为 StarCoder 的新模型。
详情请回顾文章: StarCoder: 最先进的代码大模型
AK (@_akhaliq
) 是一个在 Twitter 上拥有 19 万粉丝的、专注于发布各种 AI 研究论文的账号,在大约发布了 1.7 万条论文推荐信息之后,接下来 AK 将在 Hugging Face 上开启后续的更新,欢迎访问:https://hf.co/papers
我们发现,AK 的论文推荐里有很多是由国内研究员 / 开发者撰写和发布的。我们欢迎你来 Hugging Face 上认领你的论文,如果你有任何需要帮助的地方,请在公众号回复关键字「论文」加入我们的讨论群获得帮助。
Token Merging 可以通过在 Transformer 网络的前向传递中逐步合并冗余的 token/patch 来加速推理,通过在A100 和 V100 GPU 设备上对使用 tomesd 和不使用的 StableDiffusionPipeline 进行了基准测试,发现使用 tomesd 可以显著提高推理速度,尤其是对于较大的图像分辨率。以及,使用 tomesd 不会明显降低图像生成的质量。
查看文档了解更多信息:https://hf.co/docs/diffusers/main/en/optimization/tome
🤗 Datasets 是一个数据集调用库,你可以轻松调用 Hub 上的以及多种公共数据集,并进行高效的数据预处理。Datasets 库的 2.12 正式版已经正式发布,包括 Spark DataFrame 的支持、流式数据的支持、数据集分片等新功能,也包含了一些 bug 修改和文档改进等。
此外,我们欢迎并感谢五位新的贡献者对这个版本的贡献 (@QizhiPei、@bbbxyz、@csris、@eli-osherovich、@maddiedawson)
本月初,🤗 Accelerate 迎来了第 2 千万次下载,这见证了社区对这个库的喜爱和信任,快来试试看吧!https://hf.co/docs/accelerate/
在构建商业模型时,使用授权的训练数据至关重要,Spawning.ai 提供了一个 API 来确保你的机器学习项目是建立在被同意的数据之上的。部分符合条件的、在 Hugging Face 上开源托管的数据集也将由 Spawning.ai 提供的 API 来显示数据源的报告。
Shiny 是一个高效且开发者友好的 GUI 框架,你可以根据需求选择使用 R 或 Python 模板。Posit 与 Hugging Face 合作,提供了 R 和 Python Shiny 包的 Space 应用模板,用户可以轻松地将 Shiny 应用程序部署到 Hugging Face 上,并方便地将 Hub 上的模型集成到自己的应用中。
以上就是本期的 Hugging News,祝大家拥有一个愉快的周末!