La buona cucina è un piacere per gli occhi. Ma in questo post confronteremo due sistemi di ricerca basati sull’AI, Farfalle e Perplexica.

Possiamo scrivere una funzione lambda per il deployment su AWS in diversi linguaggi. Confrontiamo le prestazioni di (quasi vuote) funzioni scritte in JavaScript, Python e Golang…

Questo è molto eccitante! Invece di chiamare copilot o perplexity.ai e raccontare a tutti il mondo di cosa stai cercando, ora puoi ospitare un servizio simile sul tuo PC o laptop!

Recentemente abbiamo visto il rilascio di diversi nuovi LLM. Tempi eccitanti. Testiamo e vediamo come si comportano quando rilevano fallacie logiche.

Quando ho iniziato a sperimentare con gli LLM, le interfacce utente per loro erano in fase attiva di sviluppo e ora alcune di esse sono davvero buone.

Tuttavia, esistono alcuni approcci comuni per scrivere promemoria efficaci in modo che i modelli linguistici non si confondano cercando di capire cosa si desidera da essi.

Ho provato diversi strumenti e sono arrivato alla conclusione che preferisco floccus.

A volte ne ho bisogno ma non riesco a trovarli subito.
Per questo motivo li tengo tutti qui.

Quando ho addestrato un rilevatore di oggetti AI qualche tempo fa - LabelImg era uno strumento molto utile, ma l’esportazione da Label Studio al formato COCO non era accettata dal framework MMDetection..

Testando come modelli con un numero diverso di parametri e quantizzazione si comportano.

Dopo l’installazione di ollama è meglio riconfigurare ollama per archiviarli in un nuovo luogo subito. In questo modo, dopo aver scaricato un nuovo modello, non verrà scaricato nella vecchia posizione.

Puoi installare un plugin o un’estensione per il blocco degli annunci nel browser per Google Chrome, Firefox o Safari, ma dovrai farlo su ogni dispositivo. Il blocco degli annunci su tutta la rete è la mia soluzione preferita.

Dopo aver clonato il repository git, effettua la configurazione del repository locale, in particolare imposta il nome utente e l’indirizzo email.

Quando il sito viene generato con Hugo, è il momento di deployarlo su una piattaforma di hosting. Ecco come spingerlo su AWS S3 e servirlo con AWS CloudFront CDN.

Confronto della velocità di previsione di diverse versioni di LLM: llama3 (Meta/Facebook), phi3 (Microsoft), gemma (Google), mistral (open source) su CPU e GPU.