backprop 다운로드 - backprop 소스 코드 다운로드

backprop

AI 소스 코드

1.0.0

다운로드

역전파 " style="최대 너비: 100%;">

backprop 하면 최첨단 ML 모델을 간단하게 사용, 미세 조정 및 배포할 수 있습니다.

사전 학습된 모델을 사용하여 다양한 작업을 해결하거나 자신의 작업에 맞게 한 줄로 미세 조정하세요.

backprop 로 해결할 수 있는 즉시 사용 가능한 작업은 다음과 같습니다.

영어로 대화하는 질문 답변
100개 이상의 언어로 텍스트 분류
이미지 분류
50개 이상의 언어로 텍스트 벡터화
이미지 벡터화
영어 요약
영어로 감정 감지
텍스트 생성

보다 구체적인 사용 사례의 경우 미세 조정을 통해 데이터가 거의 없고 코드 한 줄로 작업을 조정할 수 있습니다.

⚡ 시작하기	설치, 몇 분 소개
예	미세 조정 및 사용 예
? 문서	작업 추론 및 미세 조정에 대한 심층 문서
모델	사용 가능한 모델 개요

시작하기

설치

PyPi를 통해 backprop 설치:

pip install backprop

기본 작업 추론

작업은 지원되는 다양한 모델을 쉽게 사용할 수 있는 인터페이스 역할을 합니다.

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"

api_key 를 지정하기만 하면 자체 머신이나 프로덕션 환경에서 추론 API를 사용하여 모든 작업과 모델을 실행할 수 있습니다.

사용 가능한 모든 작업을 사용하는 방법을 확인하세요.

기본 미세 조정 및 업로드

각 작업은 한 줄의 코드로 특정 사용 사례에 맞게 모델을 조정할 수 있는 미세 조정을 구현합니다.

미세 조정된 모델은 프로덕션에 쉽게 업로드할 수 있으므로 훌륭한 애플리케이션을 구축하는 데 집중할 수 있습니다.

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" )

다른 작업에 대해서는 미세 조정을 참조하세요.

왜 backprop ?

경험이 필요하지 않습니다
- 실용적인 AI로의 진입은 간단해야 합니다
- 전문가가 아니더라도 작업에서 최첨단 성능을 얻을 수 있습니다.
데이터가 병목 현상을 일으키고 있습니다.
- 데이터 없이 실제 작업 해결
- 전이 학습을 사용하면 소량의 데이터라도 틈새 요구 사항에 맞게 작업을 조정할 수 있습니다.
모델이 엄청나게 많아요
- 우리는 선별된 최고의 오픈 소스 모델을 제공하고 이를 사용하기 쉽게 만듭니다.
- 몇 가지 일반 모델은 더 적은 최적화로 더 많은 것을 달성할 수 있습니다.
모델을 비용 효율적으로 배포하는 것은 어려운 작업입니다.
- 우리 모델이 귀하의 사용 사례에 적합하다면 배포가 필요하지 않습니다. API를 호출하기만 하면 됩니다.
- 단 몇 줄의 코드만으로 자신만의 모델을 조정하고 배포할 수 있습니다.
- 우리의 API는 확장 가능하고 항상 사용 가능하며 사용량에 대해서만 비용을 지불합니다.