ดาวน์โหลด backprop - ดาวน์โหลดซอร์สโค้ด backprop

backprop

โค้ดแหล่งที่มา AI

1.0.0

ดาวน์โหลด

ฉากหลัง " style="max-width: 100%;">

backprop ทำให้ง่ายต่อการใช้งาน ปรับแต่ง และปรับใช้โมเดล ML ที่ล้ำสมัย

แก้ปัญหางานต่างๆ ด้วยแบบจำลองที่ผ่านการฝึกอบรมมาแล้ว หรือปรับแต่งงานเหล่านั้นในบรรทัดเดียวสำหรับงานของคุณเอง

งานนอกกรอบที่คุณสามารถแก้ไขได้ด้วย backprop :

บทสนทนาตอบคำถามเป็นภาษาอังกฤษ
การจำแนกข้อความในกว่า 100 ภาษา
การจำแนกประเภทภาพ
การสร้างเวกเตอร์ข้อความใน 50+ ภาษา
การสร้างภาพเวกเตอร์
สรุปเป็นภาษาอังกฤษ
การตรวจจับอารมณ์เป็นภาษาอังกฤษ
การสร้างข้อความ

สำหรับกรณีการใช้งานที่เฉพาะเจาะจงมากขึ้น คุณสามารถปรับเปลี่ยนงานที่มีข้อมูลเพียงเล็กน้อยและมีโค้ดเพียงบรรทัดเดียวผ่านการปรับแต่งอย่างละเอียด

⚡ เริ่มต้นใช้งาน	การติดตั้ง การแนะนำไม่กี่นาที
ตัวอย่าง	ตัวอย่างการปรับแต่งและการใช้งาน
- เอกสาร	เอกสารเชิงลึกเกี่ยวกับการอนุมานงานและการปรับแต่งอย่างละเอียด
โมเดล	ภาพรวมของรุ่นที่มีจำหน่าย

เริ่มต้นใช้งาน

การติดตั้ง

ติดตั้ง backprop ผ่าน PyPi:

pip install backprop

การอนุมานงานพื้นฐาน

งานทำหน้าที่เป็นอินเทอร์เฟซที่ช่วยให้คุณใช้โมเดลที่รองรับที่หลากหลายได้อย่างง่ายดาย

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"

คุณสามารถรันงานและโมเดลทั้งหมดบนเครื่องของคุณเอง หรือใช้งานจริงด้วย API การอนุมานของเรา เพียงระบุ api_key ของคุณ

ดูวิธีใช้งานที่มีอยู่ทั้งหมด

การปรับแต่งขั้นพื้นฐานและการอัพโหลด

แต่ละงานใช้การปรับแต่งอย่างละเอียดซึ่งช่วยให้คุณปรับโมเดลสำหรับกรณีการใช้งานเฉพาะของคุณได้ในโค้ดบรรทัดเดียว

โมเดลที่ได้รับการปรับแต่งนั้นง่ายต่อการอัปโหลดไปยังการใช้งานจริง ช่วยให้คุณมุ่งเน้นไปที่การสร้างแอปพลิเคชันที่ยอดเยี่ยมได้

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" )

ดูการปรับแต่งสำหรับงานอื่นๆ

ทำไม backprop ?

ไม่จำเป็นต้องมีประสบการณ์
- การเข้าสู่ AI ที่ใช้งานได้จริงควรเรียบง่าย
- รับประสิทธิภาพที่ล้ำสมัยในงานของคุณโดยไม่ต้องเป็นผู้เชี่ยวชาญ
ข้อมูลคือปัญหาคอขวด
- แก้ปัญหางานในโลกแห่งความเป็นจริงโดยไม่มีข้อมูลใดๆ
- ด้วยการเรียนรู้แบบถ่ายโอน ข้อมูลแม้เพียงเล็กน้อยก็สามารถปรับเปลี่ยนงานให้ตรงกับความต้องการเฉพาะของคุณได้
มีโมเดลจำนวนมากอย่างล้นหลาม
- เรานำเสนอโมเดลโอเพ่นซอร์สที่ดีที่สุดที่คัดสรรมาเป็นอย่างดี และทำให้ง่ายต่อการใช้งาน
- โมเดลทั่วไปบางรุ่นสามารถบรรลุผลได้มากขึ้นโดยการปรับให้เหมาะสมน้อยลง
การปรับใช้โมเดลอย่างคุ้มค่าถือเป็นงานหนัก
- หากโมเดลของเราเหมาะกับกรณีการใช้งานของคุณ ก็ไม่จำเป็นต้องปรับใช้ เพียงโทรหา API ของเรา
- ปรับและปรับใช้โมเดลของคุณเองด้วยโค้ดเพียงไม่กี่บรรทัด
- มาตราส่วน API ของเราพร้อมใช้งานเสมอ และคุณชำระค่าบริการเฉพาะการใช้งานเท่านั้น