backprop

backprop " style="max-width: 100%;">

backprop упрощает использование, тонкую настройку и развертывание современных моделей машинного обучения.

Решайте разнообразные задачи с помощью предварительно обученных моделей или настраивайте их в одной строке под свои задачи.

Нестандартные задачи, которые можно решить с помощью backprop :

• Разговорный вопрос с ответом на английском языке
• Классификация текста на более чем 100 языках
• Классификация изображений
• Векторизация текста на более чем 50 языках
• Векторизация изображения
• Обобщение на английском языке
• Обнаружение эмоций на английском языке
• Генерация текста

Для более конкретных случаев использования вы можете адаптировать задачу с небольшим количеством данных и одной строкой кода с помощью тонкой настройки.

⚡ Начало работы	Установка, несколько минут знакомства
Примеры	Примеры настройки и использования
? Документы	Подробная документация по выводу задач и точной настройке.
Модели	Обзор доступных моделей

Начиная

Установка

Установите backprop через PyPi:

pip install backprop

Вывод основной задачи

Задачи действуют как интерфейсы, которые позволяют легко использовать различные поддерживаемые модели.

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"

Вы можете запускать все задачи и модели на своем компьютере или в рабочей среде с помощью нашего API вывода, просто указав свой api_key .

Узнайте, как использовать все доступные задачи.

Базовая настройка и загрузка

Каждая задача реализует тонкую настройку, позволяющую адаптировать модель для вашего конкретного случая использования с помощью одной строки кода.

Точно настроенную модель легко загрузить в рабочую среду, что позволяет вам сосредоточиться на создании отличных приложений.

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" )

См. тонкую настройку для других задач.

Почему backprop ?

1. Опыт не требуется

   • Вход в практический ИИ должен быть простым
   • Получите современную производительность в своей задаче, не будучи экспертом

2. Данные являются узким местом

   • Решайте реальные задачи без каких-либо данных
   • Благодаря трансферному обучению даже небольшой объем данных может адаптировать задачу к требованиям вашей ниши.

3. Существует огромное количество моделей

   • Мы предлагаем тщательно подобранную подборку лучших моделей с открытым исходным кодом и делаем их простыми в использовании.
   • Несколько общих моделей позволяют добиться большего при меньшей оптимизации.

4. Экономически эффективное развертывание моделей — тяжелая работа

   • Если наши модели подходят для вашего случая использования, развертывание не требуется: просто вызовите наш API.
   • Адаптируйте и разверните свою собственную модель всего с помощью нескольких строк кода.
   • Наш API масштабируется, всегда доступен, и вы платите только за использование.

Примеры

• Решите любую текстовую задачу с помощью Finetuning (Github, Colab)
• Поиск изображений по тексту (Github)
• Поиск ответов из текста (Github)
• Дополнительные настройки и примеры задач

Документация

Ознакомьтесь с нашей документацией, чтобы получить более подробную информацию о задачах и их точной настройке.

Модельный хаб

Кураторский список самых современных моделей.

Демо

Классификация изображений с нулевым кадром с помощью CLIP.

Кредиты

В работе backprop используются многие замечательные библиотеки, в первую очередь:

• PyTorch
• PyTorch Молния
• Трансформеры
• Преобразователи предложений
• Эффективная сеть PyTorch
• КЛИП

Обратная связь

Нашли ошибку или есть идеи для новых задач и моделей? Откройте проблему.