ამ ბლოგპოსტში გაეცნობით Hugging Face-ში ივნისის, ივლისისა და აგვისტოს თვეებში მომხდარ ყველა სიახლეს! ეს პოსტი მოიცავს ჩვენი გუნდის მუშაობის ფართო სპექტრს, ასე რომ, შეგიძლიათ გამოტოვოთ ის ნაწილები, რომლებიც ყველაზე მეტად გაინტერესებთ. ბოლო რამდენიმე თვის განმავლობაში, Hub-ში საჯარო მოდელების რეპოზიტორების რაოდენობა 10,000-დან 16,000-ზე მეტ მოდელამდე გაიზარდა! ქება ჩვენს საზოგადოებას, ამდენი საოცარი მოდელის მსოფლიოსთვის გაზიარებისთვის. ციფრების მიღმა კი, უამრავი მაგარი ახალი ფუნქცია გვაქვს გასაზიარებლად! Spaces არის მარტივი და უფასო გადაწყვეტილება მანქანური სწავლების დემო აპლიკაციების უშუალოდ თქვენს მომხმარებლის პროფილზე ან თქვენი ორგანიზაციის hf.co პროფილზე განთავსებისთვის. ჩვენ მხარს ვუჭერთ ორ შესანიშნავ SDK-ს, რომელიც საშუალებას გაძლევთ მარტივად შექმნათ მაგარი აპლიკაციები Python-ში: Gradio და Streamlit. სულ რამდენიმე წუთში შეგიძლიათ განათავსოთ აპლიკაცია და გაუზიაროთ ის საზოგადოებას! 🚀 Spaces საშუალებას გაძლევთ დააყენოთ კონფიდენციალური მონაცემები, დაუშვათ მორგებული მოთხოვნები და მისი მართვა შესაძლებელია პირდაპირ GitHub-ის რეპოზიტორებიდან. ბეტა ვერსიაზე რეგისტრაცია შეგიძლიათ hf.co/spaces-ზე. წარმოგიდგენთ ჩვენს რჩეულებს! ახლა შეგიძლიათ მოიწონოთ ნებისმიერი მოდელი, მონაცემთა ნაკრები ან Space http://huggingface.co-ზე, რაც ნიშნავს, რომ შეგიძლიათ სიყვარული გაუზიაროთ საზოგადოებას ❤️. ასევე შეგიძლიათ თვალი ადევნოთ, ვის რა მოსწონს, მოწონებების ველზე დაწკაპუნებით. შეგიძლიათ მოიწონოთ თქვენივე რეპოზიტორები, ჩვენ არ განგსჯით. ივნისის ბოლოს, ჩვენ გავუშვით TensorBoard-ის ინტეგრაცია ჩვენი ყველა მოდელისთვის. თუ რეპოზიტორში არსებობს TensorBoard-ის კვალი, ავტომატურად, უფასო TensorBoard-ის ინსტანცია გაეშვება თქვენთვის. ეს მუშაობს როგორც საჯარო, ისე კერძო რეპოზიტორებთან და ნებისმიერი ბიბლიოთეკისთვის, რომელსაც აქვს TensorBoard-ის კვალი! ივლისში, ჩვენ დავამატეთ შეფასების მეტრიკების ჩამონათვალის შესაძლებლობა მოდელის რეპოზიტორებში, მათი მოდელის ბარათში დამატებით. თუ თქვენ დაამატებთ შეფასების მეტრიკას თქვენი მოდელის ბარათის model-index განყოფილებაში, ის ამაყად გამოჩნდება თქვენს მოდელის რეპოზიტორში. თუ ეს საკმარისი არ იყო, ეს მეტრიკები ავტომატურად დაუკავშირდება შესაბამის Papers With Code-ის ლიდერბორდს. ეს ნიშნავს, რომ როგორც კი თქვენს მოდელს გააზიარებთ Hub-ზე, შეგიძლიათ შეადაროთ თქვენი შედეგები სხვებისას საზოგადოებაში. იხილეთ ეს რეპოზიტორი მაგალითად, ყურადღება მიაქციეთ მისი მოდელის ბარათის model-index განყოფილებას, რათა ნახოთ, როგორ შეგიძლიათ ამის გაკეთება და მეტრიკების ავტომატურად მოძიება Papers with Code-ში. Hub-ს აქვს 18 ვიჯეტი, რომელიც მომხმარებლებს საშუალებას აძლევს, მოდელები პირდაპირ ბრაუზერში გამოსცადონ. Sentence Transformers-ის ჩვენი უახლესი ინტეგრაციებით, ჩვენ ასევე წარმოგიდგინეთ ორი ახალი ვიჯეტი: ფუნქციის ამოღება და წინადადების მსგავსება. უახლესი აუდიო კლასიფიკაციის ვიჯეტი მრავალ მაგარ გამოყენების შემთხვევას უხსნის გზას: ენის იდენტიფიკაცია, ქუჩის ხმაურის ამოცნობა 🚨, ბრძანების ამოცნობა, სპიკერის იდენტიფიკაცია და სხვა! შეგიძლიათ ეს დღესვე გამოსცადოთ transformers-ისა და speechbrain-ის მოდელებით! 🔊 (გაითვალისწინეთ, ზოგიერთი მოდელის გამოცდისას შესაძლოა ხმამაღლა ყეფა დაგჭირდეთ) შეგიძლიათ გამოსცადოთ სტრუქტურირებული მონაცემების კლასიფიკაციის ჩვენი ადრეული დემო Scikit-learn-ით. და ბოლოს, ჩვენ ასევე დავამატეთ ახალი ვიჯეტები გამოსახულებასთან დაკავშირებული მოდელებისთვის: ტექსტიდან გამოსახულებამდე, გამოსახულების კლასიფიკაცია და ობიექტის ამოცნობა. გამოსახულების კლასიფიკაცია შეგიძლიათ Google-ის ViT მოდელით აქ სცადოთ, ხოლო ობიექტის ამოცნობა Facebook AI-ის DETR მოდელით აქ! ეს ყველაფერი არ არის, რაც Hub-ში მოხდა. ჩვენ დავნერგეთ Hub-ის ახალი და გაუმჯობესებული დოკუმენტაცია. ასევე დავამატეთ ორი ფართოდ მოთხოვნილი ფუნქცია: მომხმარებლებს ახლა შეუძლიათ რეპოზიტორების გადატანა/გადარქმევა და ახალი ფაილების პირდაპირ Hub-ში ატვირთვა. ივნისში, ჩვენ გავუშვით ჩვენი უფასო ონლაინ კურსის პირველი ნაწილი! კურსი გასწავლით ყველაფერს Hugging Face ეკოსისტემის შესახებ: Transformers, Tokenizers, Datasets, Accelerate და Hub. კურსის გაკვეთილების ბმულები ასევე შეგიძლიათ იპოვოთ ჩვენი ბიბლიოთეკების ოფიციალურ დოკუმენტაციაში. ყველა თავის ლაივ სესიები ხელმისაწვდომია ჩვენს YouTube არხზე. დაელოდეთ კურსის შემდეგ ნაწილს, რომელსაც ამ წლის ბოლოს გავუშვებთ! ივლისში ჩვენ ვუმასპინძლეთ ჩვენს ყველაზე მასშტაბურ საზოგადოებრივ ღონისძიებას თითქმის 800 მონაწილესთან ერთად! ამ ღონისძიებაზე, რომელიც JAX/Flax-ისა და Google Cloud-ის გუნდებთან ერთად მოეწყო, გამოთვლითად ინტენსიური NLP, კომპიუტერული ხედვისა და მეტყველების პროექტები უფრო ფართო საინჟინრო და კვლევით აუდიტორიას უფასო TPUv3-ების მიწოდებით გახდა ხელმისაწვდომი. მონაწილეებმა შექმნეს 170-ზე მეტი მოდელი, 22 მონაცემთა ნაკრები და 38 Spaces დემო. შეგიძლიათ ნახოთ ყველა საოცარი დემო და პროექტი აქ. იყო მოხსენებები JAX/Flax-ის, Transformers-ის, ფართომასშტაბიანი ენის მოდელირების და სხვა თემებზე! ყველა ჩანაწერი შეგიძლიათ იხილოთ აქ. ძალიან გვიხარია, რომ გაგიზიარებთ 3 გამარჯვებული გუნდის ნამუშევრებს! Dall-e mini. DALL·E mini არის მოდელი, რომელიც ქმნის გამოსახულებებს ნებისმიერი მოცემული მოთხოვნის მიხედვით! DALL·E mini 27-ჯერ პატარაა ორიგინალ DALL·E-ზე და მაინც შთამბეჭდავ შედეგებს აჩვენებს. DietNerf. DietNerf არის 3D ნეირონული ხედვის სინთეზის მოდელი, შექმნილი 3D სცენის რეკონსტრუქციის few-shot სწავლისთვის 2D ხედების გამოყენებით. ეს არის „Putting Nerf on a Diet“ ნაშრომის პირველი ღია კოდის იმპლემენტაცია. CLIP RSIC. CLIP RSIC არის CLIP მოდელი, რომელიც დახვეწილია დისტანციური ზონდირების გამოსახულების მონაცემებზე, რათა შესაძლებელი გახდეს zero-shot სატელიტური გამოსახულების კლასიფიკაცია და წარწერა. ეს პროექტი აჩვენებს, თუ რამდენად ეფექტური შეიძლება იყოს დახვეწილი CLIP მოდელები