論文の概要: feather -- a Python SDK to share and deploy models
- arxiv url: http://arxiv.org/abs/2308.02838v1
- Date: Sat, 5 Aug 2023 10:27:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-08 18:32:02.920981
- Title: feather -- a Python SDK to share and deploy models
- Title（参考訳）: feather -- モデルを共有およびデプロイするためのPython SDK
- Authors: Nihir Vedd and Paul Riga
- Abstract要約: featherは、モデル開発者が20行未満のコードでモデル用の共有可能なユーザーインターフェイスを構築できるツールだった。
我々は、フェザーのモチベーションと、AI研究者や開発者に提供することを意図した価値について議論する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: At its core, feather was a tool that allowed model developers to build
shareable user interfaces for their models in under 20 lines of code. Using the
Python SDK, developers specified visual components that users would interact
with. (e.g. a FileUpload component to allow users to upload a file). Our
service then provided 1) a URL that allowed others to access and use the model
visually via a user interface; 2) an API endpoint to allow programmatic
requests to a model. In this paper, we discuss feather's motivations and the
value we intended to offer AI researchers and developers. For example, the SDK
can support multi-step models and can be extended to run automatic evaluation
against held out datasets. We additionally provide comprehensive technical and
implementation details.
N.B. feather is presently a dormant project. We have open sourced our code
for research purposes: https://github.com/feather-ai/
- Abstract（参考訳）: 中心となるのは、モデル開発者が20行未満のコードでモデル用の共有可能なユーザーインターフェイスを構築できるツールだった。
Python SDKを使用して、開発者はユーザーが対話するビジュアルコンポーネントを指定する。
(例えば、ユーザがファイルをアップロードできるfileuploadコンポーネント)。
私達のサービスは
1) 他者がユーザインターフェースを介してモデルにアクセスし,視覚的に使用することができるURL
2) モデルへのプログラム的なリクエストを可能にするAPIエンドポイント。
本稿では,フェザーのモチベーションと,AI研究者や開発者に提供することを目的とした価値について論じる。
例えば、sdkはマルチステップモデルをサポートし、ホールドアウトデータセットに対して自動評価を実行するように拡張できる。
さらに、包括的な技術と実装の詳細も提供します。
N.B.羽根は現在休眠プロジェクトである。
私たちは研究目的でコードをオープンソース化しました。
関連論文リスト
- Model Equality Testing: Which Model Is This API Serving? [59.005869726179455]
2サンプルテスト問題であるモデル品質テストのような歪みの検出を形式化する。
単純な文字列カーネル上に構築されたテストは、歪みの範囲に対して77.4%の中央値を達成する。
次に、このテストを4つのLlamaモデルの商用推論APIに適用し、31のエンドポイントのうち11がMetaがリリースしたリファレンスウェイトとは異なる分布を提供することがわかった。
論文 参考訳（メタデータ） (2024-10-26T18:34:53Z) - Comgra: A Tool for Analyzing and Debugging Neural Networks [35.89730807984949]
PyTorchで使用するオープンソースのpythonライブラリであるcomgraを紹介します。
Comgraはモデルの内部アクティベーションに関するデータを抽出し、GUIで整理する。
要約統計と個々のデータポイントの両方を示し、トレーニングの初期段階と後期を比較し、関心のある個々のサンプルに注目し、ネットワークを通しての勾配の流れを可視化する。
論文 参考訳（メタデータ） (2024-07-31T14:57:23Z) - pyvene: A Library for Understanding and Improving PyTorch Models via
Interventions [79.72930339711478]
$textbfpyvene$は、さまざまなPyTorchモジュールに対するカスタマイズ可能な介入をサポートするオープンソースライブラリである。
私たちは、$textbfpyvene$が、ニューラルモデルへの介入を実行し、他のモデルとインターバルされたモデルを共有するための統一されたフレームワークを提供する方法を示します。
論文 参考訳（メタデータ） (2024-03-12T16:46:54Z) - ModelScope-Agent: Building Your Customizable Agent System with
Open-source Large Language Models [74.64651681052628]
本稿では,オープンソースのLCMをコントローラとする実世界のアプリケーションのためのカスタマイズ可能なエージェントフレームワークであるModelScope-Agentを紹介する。
ユーザフレンドリーなシステムライブラリを提供し、カスタマイズ可能なエンジン設計により、複数のオープンソースLLMでモデルトレーニングをサポートする。
ツール使用データ収集、ツール検索、ツール登録、メモリ制御、カスタマイズされたモデルトレーニング、評価にまたがる包括的なフレームワークが提案されている。
論文 参考訳（メタデータ） (2023-09-02T16:50:30Z) - UnIVAL: Unified Model for Image, Video, Audio and Language Tasks [105.77733287326308]
UnIVALモデルは2つのモードを超えて、テキスト、画像、ビデオ、オーディオを1つのモデルに統合する。
本モデルは,タスクバランスとマルチモーダルカリキュラム学習に基づいて,多くのタスクに対して効率的に事前学習を行う。
統一モデルにより、重み一般化によるマルチモーダルモデルの融合に関する新しい研究を提案する。
論文 参考訳（メタデータ） (2023-07-30T09:48:36Z) - When Language Model Meets Private Library [25.610036042971043]
実際には、プログラマはプライベートライブラリを使ってコードを書くことが一般的である。
これは、トレーニング中にプライベートAPIを見たことがないため、言語モデルにとっての課題である。
APIRetrieverは有用なAPIを見つけ、APICoderはこれらのAPIを使ってコードを生成する。
論文 参考訳（メタデータ） (2022-10-31T11:42:06Z) - Petals: Collaborative Inference and Fine-tuning of Large Models [78.37798144357977]
多くのNLPタスクは、1000億以上のパラメータを持つ大きな言語モデル(LLM)を使用することで恩恵を受ける。
BLOOM-176BとOPT-175Bのリリースにより、誰もがこのスケールで事前訓練されたモデルをダウンロードできる。
我々は,大規模モデルの推測と微調整を協調的に行うシステムとして,Petals $-$を提案する。
論文 参考訳（メタデータ） (2022-09-02T17:38:03Z) - Fashionformer: A simple, Effective and Unified Baseline for Human
Fashion Segmentation and Recognition [80.74495836502919]
本研究では,共同ファッションセグメンテーションと属性認識に着目した。
本稿では,セグメンテーションのためのオブジェクトクエリと属性予測のための属性クエリを紹介する。
属性ストリームのために,よりきめ細かい特徴を探索する新しいマルチレイヤレンダリングモジュールを設計する。
論文 参考訳（メタデータ） (2022-04-10T11:11:10Z) - FLHub: a Federated Learning model sharing service [0.7614628596146599]
機械学習モデルの共有サービスとしてフェデレートラーニングハブ(FLHub)を提案する。
FLHubを使えば、GitHubと同じように、他の開発者が開発したモデルをアップロード、ダウンロード、コントリビュートすることができる。
我々は、フォークモデルが既存のモデルよりも速くトレーニングを完了し、各フェデレートラウンドで学習がより高速に進行できることを実証した。
論文 参考訳（メタデータ） (2022-02-14T06:02:55Z) - API2Com: On the Improvement of Automatically Generated Code Comments
Using API Documentations [0.0]
コメント生成の知識リソースとしてAPI Docs(Application Programming Interface Documentations)を利用するモデルであるAPI2Comを提案する。
このモデルを130,000以上のメソッドからなる大規模なJavaデータセットに適用し,TransformerとRNNベースのアーキテクチャを用いて評価する。
論文 参考訳（メタデータ） (2021-03-19T07:29:40Z) - TorchKGE: Knowledge Graph Embedding in Python and PyTorch [0.0]
TorchKGEは、PyTorchのみに依存する知識グラフ(KG)組み込みのためのPythonモジュールである。
KGデータ構造、単純なモデルインターフェース、ネガティブサンプリングとモデル評価のためのモジュールを備えている。
論文 参考訳（メタデータ） (2020-09-07T09:21:34Z)
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。