Self-Hosting

لم تمرّ فترة طويلة منذ إصداره. دعنا ن迎头赶上 وTest how Mistral Small performs comparing to other LLMs.

أنظمة التكامل يمكن أن تكون تجارية مع عدد كبير من وحدات الاتصال المدفوعة وعدد قليل من المجانية؛
أو نوع من المجانية ولكن مع ترخيص غريب؛
أو جاهزة للتشغيل الذاتي ولا.

ياسى هو محرك بحث توزيعي، يعتمد على نموذج النظير إلى النظير (P2P) يسمح للأفراد والمنظمات بتشغيل مصادر بحثهم الخاصة أو الانضمام إلى شبكة عالمية من نظيرات البحث.

كيفية: تثبيت Kubernetes باستخدام Kubespray، بما في ذلك إعداد البيئة، وتكوين المخزون، وتشغيل مجموعات Ansible.

هنا قائمة الأوامر المختصرة لـ k8s تغطي أوامر و念 kubernetes المهمة من تثبيت إلى تشغيل الحاويات وإزالة المخلفات:

هنا ورقة مساعدة Docker تغطي أبرز الأوامر وال念 من التثبيت إلى تشغيل الحاويات وتنظيفها:

في الآونة الأخيرة أصدرت مختبرات Black Forest مجموعة من نماذج الذكاء الاصطناعي لتحويل النص إلى صورة. تُقال إن هذه النماذج تنتج صورًا ذات جودة أعلى بكثير. لنحاول استخدامها

الطعام الرائع هو متعة للعين أيضًا. لكن في هذه المقالة، سنقارن بين نظامي بحث قائمين على الذكاء الاصطناعي، Farfalle و Perplexica.

هذا أمر مثير للغاية! بدلاً من الاتصال بـ copilot أو perplexity.ai وإخبار العالم بأكمله بما تبحث عنه، يمكنك الآن تشغيل خدمة مشابهة على جهاز الكمبيوتر أو الحاسوب المحمول الخاص بك!

في الآونة الأخيرة، شهدنا إصدار عدد من النماذج الجديدة من LLMs. أوقات مثيرة. لنختبر ونرى كيف تؤدي الأداء عند اكتشاف الخطا المنطقية.

عندما بدأت بتجربة النماذج الكبيرة للغة (LLMs)، كانت واجهات المستخدم الخاصة بها في التطوير النشط، و اليوم أصبحت بعضها جيدة حقًا.

جربت أدوات مختلفة ووصلت إلى استنتاج أني أفضل floccus.

عندما قمت تدريب مكتشف كائنات الذكاء الاصطناعي في وقت ما - كان LabelImg أداة مفيدة للغاية، لكن تصدير البيانات من Label Studio إلى تنسيق COCO لم يكن مقبولاً من قبل إطار عمل MMDetection..

اختبار كيف تؤثر النماذج ذات عدد مختلف من المعلمات والكم量化 على الأداء.

بعد تثبيت ollama من الأفضل إعادة تكوين ollama لتخزينها في مكان جديد فورًا. إذن بعد أن نسحب نموذجًا جديدًا، لن يتم تنزيله إلى الموقع القديم.