久久精品国产一区二区电影,尤物视频在线观看

LLM

相關(guān)模型數(shù)：

LLaMA-65B

Inference

LLaMA是大模型研究領(lǐng)域內(nèi)最熱門(mén)的基座模型，由Meta開(kāi)源。時(shí)下熱點(diǎn)的Vicuna，Koala等模型都是在llama的基礎(chǔ)上訓(xùn)練的?，F(xiàn)650億參數(shù)量的LLaMA模型已支持在太初卡上推理使用。
LLaMA-7B

Inference

LLaMA是大模型研究領(lǐng)域內(nèi)最熱門(mén)的基座模型，由Meta開(kāi)源。時(shí)下熱點(diǎn)的Vicuna，Koala等模型都是在llama的基礎(chǔ)上訓(xùn)練的?，F(xiàn)70億參數(shù)量的LLaMA模型已支持在太初卡上推理使用。
Baichuan-7B

Inference

Baichuan-7B 是由百川智能開(kāi)發(fā)的一個(gè)開(kāi)源可商用的大規(guī)模預(yù)訓(xùn)練語(yǔ)言模型。基于 Transformer 結(jié)構(gòu)，在大約 1.2 萬(wàn)億 tokens 上訓(xùn)練的 70 億參數(shù)模型，支持中英雙語(yǔ)，上下文窗口長(zhǎng)度為 4096?，F(xiàn)70億參數(shù)量的Baichuan模型已支持在太初卡上推理使用。
Baichuan-13B

Inference

Baichuan-13B 是由百川智能繼 Baichuan-7B 之后開(kāi)發(fā)的包含 130 億參數(shù)的開(kāi)源可商用的大規(guī)模語(yǔ)言模型，在權(quán)威的中文和英文 benchmark 上均取得同尺寸最好的效果?，F(xiàn)130億參數(shù)量的Baichuan模型已支持在太初卡上推理使用。
BLOOM-7B

Inference

BLOOM 是一種自回歸大型語(yǔ)言模型 (LLM)，經(jīng)過(guò)訓(xùn)練，可使用工業(yè)規(guī)模的計(jì)算資源根據(jù)大量文本數(shù)據(jù)的提示繼續(xù)文本。因此，它能夠以 46 種語(yǔ)言和 13 種編程語(yǔ)言輸出連貫的文本?，F(xiàn)70億參數(shù)量的Bloom模型已支持在太初卡上推理使用。
GPT-2-13B

Inference

GPT-2（Generative Pre-trained Transformer 2 ）是OpenAI于2019年2月創(chuàng)建的大語(yǔ)言模型。GPT-2能夠翻譯文本、回答問(wèn)題、總結(jié)段落，并生成文本輸出?，F(xiàn)130億參數(shù)量的GPT2模型已支持在太初卡上推理使用。
GPT-2-13B

Pretrain

GPT-2（Generative Pre-trained Transformer 2 ）是OpenAI于2019年2月創(chuàng)建的大語(yǔ)言模型。GPT-2能夠翻譯文本、回答問(wèn)題、總結(jié)段落，并生成文本輸出?，F(xiàn)130億參數(shù)量的GPT2模型已支持在太初卡上訓(xùn)練使用。
GPT-2-13B

Finetune

GPT-2（Generative Pre-trained Transformer 2 ）是OpenAI于2019年2月創(chuàng)建的大語(yǔ)言模型。GPT-2能夠翻譯文本、回答問(wèn)題、總結(jié)段落，并生成文本輸出。現(xiàn)130億參數(shù)量的GPT2模型已支持在太初卡上微調(diào)使用。
GPT-NeoX-20B

Inference

GPT-NeoX是EleutherAI訓(xùn)練的自回歸大語(yǔ)言模型，該模型在學(xué)術(shù)、工業(yè)和政府實(shí)驗(yàn)室有廣泛應(yīng)用?，F(xiàn)200億參數(shù)量的GPT2-NeoX模型已支持在太初卡上推理使用。

多模態(tài)

相關(guān)模型數(shù)：

Resnet50-v1.5

Pretrain | PyTorch

ResNet50 v1.5 (Residual Network)，是一種特定類(lèi)型的卷積神經(jīng)網(wǎng)絡(luò) (CNN)，常用于計(jì)算機(jī)視覺(jué)領(lǐng)域?，F(xiàn) ResNet50 v1.5 已支持在太初卡訓(xùn)練（基于PyTorch框架）使用。
Resnet50-v1.5

Inference

ResNet50 v1.5 (Residual Network)，是一種特定類(lèi)型的卷積神經(jīng)網(wǎng)絡(luò) (CNN)，常用于計(jì)算機(jī)視覺(jué)領(lǐng)域?，F(xiàn) ResNet50 v1.5 已支持在太初卡推理使用。
Resnet50-v1.5

Pretrain | PaddlePaddle

ResNet50 v1.5 (Residual Network)，是一種特定類(lèi)型的卷積神經(jīng)網(wǎng)絡(luò) (CNN)，常用于計(jì)算機(jī)視覺(jué)領(lǐng)域?，F(xiàn) ResNet50 v1.5 已支持在太初卡訓(xùn)練（基于PaddlePaddle框架）使用。
Yolov5-m

Inference

Yolo V5建立在先前 YOLO 版本成功的基礎(chǔ)上，并引入了新功能和改進(jìn)，能夠快速、準(zhǔn)確且易于使用，Yolo V5已成為各種對(duì)象檢測(cè)、實(shí)例分割和圖像分類(lèi)任務(wù)的絕佳選擇?，F(xiàn)Yolov5m（21.2M 參數(shù)）已支持在太初卡推理使用。
Yolov5-l6

Pretrain | PyTorch

Yolo V5建立在先前 YOLO 版本成功的基礎(chǔ)上，并引入了新功能和改進(jìn)，能夠快速、準(zhǔn)確且易于使用，Yolo V5已成為各種對(duì)象檢測(cè)、實(shí)例分割和圖像分類(lèi)任務(wù)的絕佳選擇?，F(xiàn)Yolov5l6（76.8M 參數(shù)）已支持在太初卡訓(xùn)練（基于PyTorch框架）使用。
Yolov5-l6

Inference

Yolo V5建立在先前 YOLO 版本成功的基礎(chǔ)上，并引入了新功能和改進(jìn)，能夠快速、準(zhǔn)確且易于使用，Yolo V5已成為各種對(duì)象檢測(cè)、實(shí)例分割和圖像分類(lèi)任務(wù)的絕佳選擇?，F(xiàn)Yolov5l6（76.8M 參數(shù)）已支持在太初卡推理使用。

語(yǔ)音

相關(guān)模型數(shù)：

Wav2Vec 2.0-base

Pretrain | PyTorch

Wav2vec使用自監(jiān)督的訓(xùn)練方式從未標(biāo)記的訓(xùn)練數(shù)據(jù)中訓(xùn)練獲得語(yǔ)音識(shí)別的能力，能夠支持多種語(yǔ)言識(shí)別?，F(xiàn)Wav2Vec-2.0-base已支持在太初卡訓(xùn)練（基于PyTorch框架）使用。
Wav2Vec 2.0-base

Inference

Wav2vec使用自監(jiān)督的訓(xùn)練方式從未標(biāo)記的訓(xùn)練數(shù)據(jù)中訓(xùn)練獲得語(yǔ)音識(shí)別的能力，能夠支持多種語(yǔ)言識(shí)別?，F(xiàn)Wav2Vec-2.0-base已支持在太初卡推理使用。

NLP

相關(guān)模型數(shù)：

BERT-Base

Pretrain | PyTorch

BERT(Bidirectional Encoder Representation from Transformers)是2018年10月由Google AI研究院提出的一種預(yù)訓(xùn)練模型?，F(xiàn)BERT-Base已支持在太初卡訓(xùn)練（基于PyTorch框架）使用。
BERT-Base

Inference

BERT(Bidirectional Encoder Representation from Transformers)是2018年10月由Google AI研究院提出的一種預(yù)訓(xùn)練模型?，F(xiàn)BERT-Base已支持在太初卡推理使用。

抱歉，沒(méi)有找到“xxx”相關(guān)的結(jié)果，請(qǐng)嘗試其他搜索詞

申請(qǐng)?jiān)囉?/h3>

請(qǐng)?zhí)顚?xiě)下表我們將盡快與您聯(lián)系

申請(qǐng)?jiān)囉?/h3>

請(qǐng)?zhí)顚?xiě)下表 我們將盡快與您聯(lián)系

請(qǐng)?zhí)顚?xiě)下表我們將盡快與您聯(lián)系