論文の概要: MLJ: A Julia package for composable machine learning
- arxiv url: http://arxiv.org/abs/2007.12285v2
- Date: Tue, 3 Nov 2020 23:06:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-07 12:04:12.790715
- Title: MLJ: A Julia package for composable machine learning
- Title(参考訳): MLJ: 構成可能な機械学習のためのJuliaパッケージ
- Authors: Anthony D. Blaom, Franz Kiraly, Thibaut Lienart, Yiannis Simillides,
Diego Arenas, Sebastian J. Vollmer
- Abstract要約: MLJは、Juliaやその他の言語で記述された機械学習モデルと対話するための、オープンソースのソフトウェアパッケージである。
モデルの選択、チューニング、評価、構成、比較のためのツールとメタアルゴリズムを提供する。
- 参考スコア(独自算出の注目度): 0.8661220987937566
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: MLJ (Machine Learing in Julia) is an open source software package providing a
common interface for interacting with machine learning models written in Julia
and other languages. It provides tools and meta-algorithms for selecting,
tuning, evaluating, composing and comparing those models, with a focus on
flexible model composition. In this design overview we detail chief novelties
of the framework, together with the clear benefits of Julia over the dominant
multi-language alternatives.
- Abstract(参考訳): MLJ(Machine Learing in Julia)は、Juliaや他の言語で書かれた機械学習モデルと対話するための共通インターフェースを提供するオープンソースソフトウェアパッケージである。
フレキシブルなモデル構成に焦点を当てたモデルの選択、チューニング、評価、構成、比較のためのツールとメタアルゴリズムを提供する。
この設計概要では、主要な多言語代替案に対するJuliaの明確なメリットとともに、フレームワークの主な新規性について詳述する。
関連論文リスト
- ToolEyes: Fine-Grained Evaluation for Tool Learning Capabilities of
Large Language Models in Real-world Scenarios [48.38419686697733]
本稿では,大規模言語モデルのツール学習能力を評価するためのシステムであるToolEyesを提案する。
このシステムは7つの現実シナリオを慎重に分析し、ツール学習においてLLMに不可欠な5次元を解析する。
ToolEyesには,約600のツールを備えたツールライブラリが組み込まれている。
論文 参考訳(メタデータ) (2024-01-01T12:49:36Z) - CoLLiE: Collaborative Training of Large Language Models in an Efficient
Way [59.09824823710863]
CoLLiEは、大規模な言語モデルの協調トレーニングを容易にする効率的なライブラリである。
モジュール設計と包括的な機能により、CoLLiEは効率性、使いやすさ、カスタマイズのバランスのとれたブレンドを提供する。
論文 参考訳(メタデータ) (2023-12-01T08:02:16Z) - Reformulating Vision-Language Foundation Models and Datasets Towards
Universal Multimodal Assistants [65.47222691674074]
Muffinフレームワークは、事前訓練された視覚言語モデルを使用して視覚信号のプロバイダとして機能する。
UniMM-Chatデータセットはデータセットの相補性を探求し、高品質で多様なマルチモーダル命令を生成する。
論文 参考訳(メタデータ) (2023-10-01T12:35:18Z) - DreamLLM: Synergistic Multimodal Comprehension and Creation [59.38614654154804]
DreamLLMはマルチモーダル大規模言語モデル(MLLM)を初めて実現した学習フレームワークである
DreamLLMは生のインターリーブドドキュメントの生成を促進し、テキストと画像の両方のコンテンツと非構造化レイアウトをモデル化する。
その結果、DreamLLMはフリーフォームインターリーブコンテンツを生成する最初のMLLMとなった。
論文 参考訳(メタデータ) (2023-09-20T17:58:05Z) - Toolformer: Language Models Can Teach Themselves to Use Tools [62.04867424598204]
言語モデル(LM)は、特に大規模において、いくつかの例やテキスト命令から新しいタスクを解く素晴らしい能力を示す。
LMは、シンプルなAPIを通じて外部ツールの使用を自覚し、両方の世界のベストを達成できることを示します。
Toolformerは、どのAPIを呼び出すか、いつ呼び出すか、どの引数を渡すか、結果を将来のトークン予測に最もうまく組み込む方法を訓練したモデルです。
論文 参考訳(メタデータ) (2023-02-09T16:49:57Z) - BosonSampling.jl: A Julia package for quantum multi-photon
interferometry [0.0]
本稿では,高速シミュレーションおよびボソンサンプリング器の数値解析のためのフリーオープンソースパッケージと,より一般的には多光子干渉法について述べる。
私たちのパッケージはJuliaで書かれており、簡単に表記できるCライクなパフォーマンスと高速でハイレベルなコーディングを実現しています。
論文 参考訳(メタデータ) (2022-12-19T15:28:23Z) - Leveraging Language to Learn Program Abstractions and Search Heuristics [66.28391181268645]
LAPS(Language for Abstraction and Program Search)は、自然言語アノテーションを用いて、ライブラリとニューラルネットワークによる合成のための検索モデルの共同学習をガイドする手法である。
最先端のライブラリ学習システム(DreamCoder)に統合されると、LAPSは高品質なライブラリを生成し、検索効率と一般化を改善する。
論文 参考訳(メタデータ) (2021-06-18T15:08:47Z) - Physics-Informed Machine Learning Simulator for Wildfire Propagation [0.0]
この研究は、広く使用されている気象研究と予測WRF-SFIREシミュレーターのいくつかの重要な部分を再実装する可能性を評価することである。
主なプログラミング言語はJuliaである。Juliaはインタプリタ言語よりも優れたパーファマンスを提供するコンパイル言語である。
論文 参考訳(メタデータ) (2020-12-12T14:13:26Z) - BAT.jl -- A Julia-based tool for Bayesian inference [0.0]
ユリア語で書かれたベイズ統計推論のための多目的ソフトウェアBAT.jlの開発について述べる。
主要な設計上の考慮事項と実装されたアルゴリズムは、アルゴリズムの適切な機能を保証するテストスイートとともに、ここで要約される。
論文 参考訳(メタデータ) (2020-08-07T12:55:52Z) - The JuliaConnectoR: a functionally oriented interface for integrating
Julia in R [0.0]
我々は、CRANリポジトリとGitHubから入手可能なRパッケージJuliaConnectoRを開発した。
保守性と安定性のために、TCP上でRとJulia間の通信をベースとします。
これにより、JuliaでR拡張を開発するのや、RでJuliaパッケージから機能を単に呼び出すのが簡単になる。
論文 参考訳(メタデータ) (2020-05-13T14:18:34Z) - Julia Language in Machine Learning: Algorithms, Applications, and Open
Issues [5.666843255747851]
機械学習は、科学と工学の分野で開発を推進している。
現在、機械学習アルゴリズムの開発に最もよく使われているプログラミング言語は、PythonとC/C ++である。
本稿では,機械学習におけるJulia言語の適用に関する研究成果と開発状況を要約する。
論文 参考訳(メタデータ) (2020-03-23T09:31:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。