Ai

現代の混乱の最中、私は AI タスクに適した 異なるグラボの仕様を比較 しています (ディープラーニング, オブジェクト検出 および LLM)。 ただし、これらはすべて非常に高価です。

このガイドでは、Ollama が並行リクエスト（同時処理、キューイング、リソース制限）をどのように処理するか、および OLLAMA_NUM_PARALLEL 環境変数（および関連する調整項目）を使用してそれをどのようにチューニングするかを説明します。

Vibe coding は、開発者が自然言語で望ましい機能を説明し、AI ツールがコードを自動的に生成する AI 駆動型のプログラミングアプローチです。直接のコーディングは最小限に抑えられます。

私はMMDetection (mmengine, mdet, mmcv)をかなり使い、
今ではそのゲームから出てしまったようです。
残念です。私はそのモデルズーが好きでした。

DeepSeekの 1世代目の推論モデルで、OpenAI-o1と同等の性能を備えています。 これは、LlamaおよびQwenに基づいてDeepSeek-R1から蒸留された6つの密結合モデルです。

このOllama CLIチートシートは、毎日使用するコマンド（ollama ls、ollama serve、ollama run、ollama ps、モデル管理、一般的なワークフロー）に焦点を当てており、コピー＆ペーストできる例を記載しています。

ほども前、リリースされました。最新の状況を確認し、Mistral Smallの他のLLMと比較したパフォーマンスをテストしてみましょう。

Reranking は、Retrieval Augmented Generation (RAG) システム における 2 番目のステップであり、Retrieval（検索）と Generation（生成）の間に位置します。

最近、ブラックフォレスト・ラボズは一連のテキストから画像を生成するAIモデルを公開しました。これらのモデルは、出力品質が非常に高いとされています。試してみましょう

素晴らしい料理は目でも楽しむことができます。 しかし、この記事では、2 つの AI ベースの検索システム、Farfalle と Perplexica を比較します。

それはとても素晴らしいことです！ Copilot や Perplexity.ai を呼び出して、世界中に何を求めているかを知られる代わりに、 今ではご自身の PC やラップトップで同様のサービスをホストできるようになりました！

最近、いくつかの新しいLLMがリリースされました。
非常にエキサイティングな時代です。
論理的誤謬の検出能力を確認するためにテストしてみましょう。

LLMの実験を始めた当初は、それらのUIが活発な開発段階にありました。現在では、いくつかのUIが非常に良いものになっています。

まだ、LLMがあなたの意図を理解しようとする際に混乱しないようにするための、良いプロンプトを書くためのいくつかの一般的なアプローチがあります。

時折必要になるが、すぐに見つからないことがある。
そのため、ここにすべてを保存しておく。

以前に オブジェクト検出AIのトレーニング を行った際、LabelImgは非常に役立つツールでしたが、 Label StudioからCOCOフォーマットへのエクスポートは MMDetectionフレームワークで受け入れられていませんでした。