backprop

penyangga belakang " style="lebar maksimal: 100%;">

backprop memudahkan penggunaan, penyempurnaan, dan penerapan model ML yang canggih.

Selesaikan berbagai tugas dengan model terlatih atau sempurnakan dalam satu baris untuk tugas Anda sendiri.

Tugas luar biasa yang dapat Anda selesaikan dengan backprop :

• Menjawab pertanyaan percakapan dalam bahasa Inggris
• Klasifikasi Teks dalam 100+ bahasa
• Klasifikasi Gambar
• Vektorisasi Teks dalam 50+ bahasa
• Vektorisasi Gambar
• Ringkasan dalam bahasa Inggris
• Deteksi emosi dalam bahasa Inggris
• Pembuatan Teks

Untuk kasus penggunaan yang lebih spesifik, Anda dapat mengadaptasi tugas dengan sedikit data dan satu baris kode melalui penyempurnaan.

⚡ Memulai	Instalasi, pengenalan beberapa menit
Contoh	Contoh penyempurnaan dan penggunaan
? dokumen	Dokumentasi mendalam tentang inferensi tugas dan penyesuaian
Model	Ikhtisar model yang tersedia

Memulai

Instalasi

Instal backprop melalui PyPi:

pip install backprop

Inferensi tugas dasar

Tugas bertindak sebagai antarmuka yang memungkinkan Anda menggunakan berbagai model yang didukung dengan mudah.

backprop context = "Take a look at the examples folder to see use cases!" qa = backprop .QA() # Start building! answer = qa("Where can I see what to build?", context) print(answer) # Prints "the examples folder"">

 import backprop

context = "Take a look at the examples folder to see use cases!"

qa = backprop . QA ()

# Start building!
answer = qa ( "Where can I see what to build?" , context )

print ( answer )
# Prints
"the examples folder"

Anda dapat menjalankan semua tugas dan model di mesin Anda sendiri, atau dalam produksi dengan API inferensi kami, cukup dengan menentukan api_key Anda.

Lihat cara menggunakan semua tugas yang tersedia.

Penyempurnaan dan pengunggahan dasar

Setiap tugas mengimplementasikan penyempurnaan yang memungkinkan Anda mengadaptasi model untuk kasus penggunaan spesifik Anda dalam satu baris kode.

Model yang disempurnakan mudah diunggah ke produksi, memungkinkan Anda fokus dalam membangun aplikasi hebat.

backprop tg = backprop .TextGeneration("t5-small") # Any text works as training data inp = ["I really liked the service I received!", "Meh, it was not impressive."] out = ["positive", "negative"] # Finetune with a single line of code tg.finetune({"input_text": inp, "output_text": out}) # Use your trained model prediction = tg("I enjoyed it!") print(prediction) # Prints "positive" # Upload to backprop for production ready inference # Describe your model name = "t5-sentiment" description = "Predicts positive and negative sentiment" tg.upload(name=name, description=description, api_key="abc")">

 import backprop

tg = backprop . TextGeneration ( "t5-small" )

# Any text works as training data
inp = [ "I really liked the service I received!" , "Meh, it was not impressive." ]
out = [ "positive" , "negative" ]

# Finetune with a single line of code
tg . finetune ({ "input_text" : inp , "output_text" : out })

# Use your trained model
prediction = tg ( "I enjoyed it!" )

print ( prediction )
# Prints
"positive"

# Upload to backprop for production ready inference
# Describe your model
name = "t5-sentiment"
description = "Predicts positive and negative sentiment"

tg . upload ( name = name , description = description , api_key = "abc" )

Lihat penyempurnaan untuk tugas lainnya.

Mengapa backprop ?

1. Tidak diperlukan pengalaman

   • Masuk ke AI praktis harus sederhana
   • Dapatkan performa tercanggih dalam tugas Anda tanpa menjadi ahli

2. Data adalah hambatan

   • Selesaikan tugas dunia nyata tanpa data apa pun
   • Dengan pembelajaran transfer, bahkan sejumlah kecil data dapat menyesuaikan tugas dengan kebutuhan khusus Anda

3. Ada banyak sekali model

   • Kami menawarkan pilihan model sumber terbuka terbaik dan membuatnya mudah digunakan
   • Beberapa model umum dapat mencapai lebih banyak hal dengan lebih sedikit pengoptimalan

4. Menerapkan model dengan biaya yang efektif membutuhkan kerja keras

   • Jika model kami sesuai dengan kasus penggunaan Anda, penerapan tidak diperlukan: cukup panggil API kami
   • Sesuaikan dan terapkan model Anda sendiri hanya dengan beberapa baris kode
   • API kami berskala, selalu tersedia, dan Anda hanya membayar untuk penggunaan

Contoh

• Selesaikan tugas berbasis teks apa pun dengan Finetuning (Github, Colab)
• Mencari gambar menggunakan teks (Github)
• Menemukan jawaban dari teks (Github)
• Lebih banyak contoh penyesuaian dan tugas

Dokumentasi

Lihat dokumen kami untuk inferensi dan penyesuaian tugas yang mendalam.

Pusat Model

Daftar pilihan model tercanggih.

Demo

Klasifikasi gambar zero-shot dengan CLIP.

Kredit

backprop bergantung pada banyak perpustakaan bagus untuk berfungsi, terutama:

• PyTorch
• Petir PyTorch
• transformator
• Transformator Kalimat
• PyTorch Net Efisien
• KLIP

Masukan

Menemukan bug atau punya ide untuk tugas dan model baru? Buka masalah.