Reranking avec des modèles d'embedding
Un code Python pour le reranking de RAG
AI
Modèle d'IA Flux texte en image
Un nouveau modèle d'IA incroyable capable de générer une image à partir de texte
Récemment, Black Forest Labs a publié un ensemble de
modèles d’IA texte à image.
Ces modèles sont dit avoir une qualité de sortie bien plus élevée.
Essayons-les
Farfalle vs Perplexica
Comparaison de deux moteurs de recherche d'IA auto-hébergés
La bonne nourriture est aussi un plaisir pour les yeux. Mais dans cet article, nous comparerons deux systèmes de recherche basés sur l’IA, Farfalle et Perplexica.
Auto-hébergement de Perplexica avec Ollama
Exécuter localement un service du style Copilot ? Facile !
C’est très excitant !
Au lieu d’appeler Copilot ou Perplexity.ai et de tout raconter au monde,
vous pouvez maintenant héberger un service similaire sur votre propre ordinateur ou laptop !
Frontends des LLM
Pas tant d'options à choisir, mais tout de même...
Quand j’ai commencé à expérimenter avec les LLM, les interfaces utilisateur pour eux étaient en développement actif et maintenant certaines d’entre elles sont vraiment excellentes.
Gemma2 vs Qwen2 vs Mistral Nemo vs...
Test de détection des fautes de raisonnement
Récemment, nous avons vu plusieurs nouveaux LLM sortir. Des temps excitants. Testons-les et voyons comment ils se débrouillent lors de la détection des fautes logiques.
Rédiger des prompts efficaces pour les LLMs
Exige quelques expérimentations mais
Il existe toutefois quelques approches courantes pour rédiger des prompts efficaces afin que le modèle de langage ne se confonde pas en tentant de comprendre ce que vous souhaitez.
Feuille de triche Python
Extraits de code Python fréquemment utilisés
Parfois, j’ai besoin de cela mais je ne le trouve pas immédiatement.
Donc, je les garde toutes ici.
Formation d'un détecteur d'objets AI avec Label Studio & MMDetection
L’étiquetage et l’entraînement nécessitent un peu de collage.
Quand j’ai entraîné un détecteur d’objets AI il y a un certain temps - LabelImg était un outil très utile, mais l’exportation depuis Label Studio vers le format COCO n’était pas acceptée par le framework MMDetection..
Comparaison des capacités de résumé des modèles LLM
8 versions de llama3 (Meta+) et 5 versions de phi3 (Microsoft) de modèles LLM
Testing comment sur les modèles avec un nombre différent de paramètres et la quantification.
Déplacer les modèles Ollama vers un emplacement différent
Les fichiers de modèles LLM d'Ollama prennent beaucoup de place.
Après avoir installé ollama, il est préférable de reconfigurer ollama pour qu’il les stocke directement dans le nouveau lieu. Ainsi, après avoir tiré un nouveau modèle, il ne sera pas téléchargé vers l’ancien emplacement.
Test de vitesse des grands modèles de langage
Testons la vitesse des LLM sur GPU par rapport au CPU
Comparaison de la vitesse de prédiction de plusieurs versions de LLM (modèles de langage grand public) : llama3 (Meta/Facebook), phi3 (Microsoft), gemma (Google), mistral (open source) sur CPU et GPU.
Détection de fausses démonstrations logiques avec les modèles génératifs de langage
Testons la qualité de détection des sophismes logiques dans différents modèles LLM
Comparaison de plusieurs versions LLMs : llama3 (Meta), phi3 (Microsoft), gemma (Google), mistral (open source) et qwen (Alibaba).
Détection d'objets avec Tensorflow
Il y a un certain temps, j'ai entraîné un détecteur d'objets AI.
Un froid jour d’hiver en juillet… c’est en Australie… j’ai ressenti le besoin urgent d’entraîner un modèle d’IA pour détecter les barres d’armature en béton non coupées…