Hugging Face Diffusers 庆祝一周年发布多项新功能
Hugging Face 的 Diffusers 库庆祝一周年，发布了多项新功能，包括支持更逼真的图像生成、视频生成、3D 模型生成、图像编辑、更快的扩散模型、伦理和安全功能、LoRA 支持和 PyTorch 2.0 优化。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
#Hugging Face
#Hugging Face
今日 1 条Hugging Face Blog精选AI 评分7272
Hugging Face Blog精选AI 评分8585 Meta 发布 Llama 2 模型，支持 Hugging Face 集成
Meta 发布了 Llama 2 模型，这是一个从 7B 到 70B 参数的开源大型语言模型家族，支持 Hugging Face 集成，包括预训练模型和微调模型。
推荐理由：原文介绍了 Llama 2 模型的特点和功能，读者可以了解其性能和适用场景。
Hugging Face Blog精选AI 评分7777 Hugging Face 发布开源文本生成和大型语言模型生态系统
Hugging Face 发布了新的开源文本生成和大型语言模型生态系统，包括 Llama 2 模型和其他开源模型，以及用于模型部署和微调的工具。
推荐理由：原文介绍了 Hugging Face 平台上开源文本生成和大型语言模型生态系统的最新发展，读者可以了解最新的模型和工具，以及它们如何改变现有工作流。
Hugging Face BlogAI 评分3535 Transformers.js 打造实时机器学习网页游戏：Doodle Dash 案例分析
Hugging Face 博客介绍了如何使用 Transformers.js 库创建实时机器学习网页游戏 Doodle Dash。该游戏基于 Google 的 Quick, Draw!
Hugging Face Blog精选AI 评分6565 Open LLM 领导板上的情况如何？
Hugging Face 博客文章探讨了 Open LLM 领导板上的 MMLU 评估结果差异，分析了不同评估方法对模型性能的影响。
推荐理由：原文探讨了不同评估方法对模型性能的影响，读者可以了解如何选择合适的评估方式。
Hugging Face BlogAI 评分4545 MMS Adapter 模型微调助力低资源语言语音识别
Hugging Face 博客介绍了如何使用 MMS Adapter 模型进行低资源语言语音识别的微调，该模型在 10-20 分钟的微调后实现了惊人的低词错误率。MMS 模型能够识别和转录 1100 多种语言，包括濒危语言，有助于保护语言多样性。
Hugging Face BlogAI 评分3232 Livebook笔记本在Hugging Face Spaces中的应用部署
Hugging Face推出Livebook笔记本在Hugging Face Spaces中的应用部署，用户可通过Livebook构建基于Whisper模型的聊天应用，并自动将音频消息转换为文本。该应用展示了Livebook和Elixir机器学习生态系统的集成，包括与Hugging Face模型的集成、多玩家机器学习应用和并发机器学习模型服务等功能。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布 Core ML 优化版 Stable Diffusion，支持 6 位调色板量化
Hugging Face 发布了优化后的 Stable Diffusion 模型，支持 6 位调色板量化，可在 iPhone、iPad 和 Mac 上运行，提高了模型速度并减少了内存使用。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分7070 Hugging Face 与 AMD 合作加速 CPU 和 GPU 平台上的最先进模型
Hugging Face 与 AMD 合作，旨在为 CPU 和 GPU 平台提供最先进的 transformer 模型性能。该合作将支持多种模型架构和框架，包括自然语言处理、计算机视觉和语音模型，并预计将提高成本效益。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face BlogAI 评分4040 Hugging Face Hub for Galleries, Libraries, Archives and Museums
Hugging Face Hub 提供超过 19 万个机器学习模型、3.3 万个数据集和 10 万个应用和演示，涵盖预训练语言模型、图像和音频分类模型、目标检测模型以及各种生成模型。该平台支持 GLAM 领域的用户分享和访问机器学习模型和数据集，并提供了模型和数据的搜索、使用和分享功能。
Hugging Face BlogAI 评分4545 Hugging Face Hub 携手 Meta AI 推出 fastText 库
Hugging Face Hub 现已提供 fastText 库的官方镜像，包括 157 种语言的词向量以及语言识别模型，方便用户下载和使用。fastText 库支持文本分类和特征提取小部件，并可通过 Hugging Face API 进行调用。
Hugging Face Blog精选AI 评分8585 Falcon 模型发布：Hugging Face 生态系统中新的大型语言模型
Falcon 模型由阿布扎比的科技创新研究所创建，是 Hugging Face 生态系统中的新大型语言模型。Falcon-40B 是第一个具有与许多当前闭源模型相媲美能力的“真正开放”模型。
推荐理由：原文介绍了 Falcon 模型的特点和功能，以及如何在 Hugging Face 生态系统中使用它们，读者可以了解 Falcon 模型的最新进展和应用潜力。
Hugging Face BlogAI 评分3030 Hugging Face Hub 集成 BERTopic
Hugging Face Hub 现已集成 BERTopic，一个基于语言的模型，支持多种任务，包括对话、语音识别、调优、摘要、问答、情感分析、临床医学、翻译。
Hugging Face BlogAI 评分3737 Hugging Face LLM Inference Container for Amazon SageMaker 推出
Hugging Face 推出专为 Amazon SageMaker 定制的 LLM 推理容器，支持部署开源 LLM 如 BLOOM，并优化了 Pythia Open Assistant Model 的部署，提供高性能文本生成和推理功能。
Hugging Face BlogAI 评分5252 使用 NNCF 和 🤗 Optimum 优化 Stable Diffusion 以适应 Intel CPU
Hugging Face 博客介绍了如何使用 NNCF 和 🤗 Optimum 优化 Stable Diffusion 模型，以提升其在 Intel CPU 上的性能，包括 5.1 倍的推理加速和 4 倍的模型尺寸缩减。
Hugging Face Blog精选AI 评分7070 Hugging Face 与微软合作推出 Azure 上的 Hugging Face 模型目录
Hugging Face 与微软合作，将 Hugging Face Hub 上的开源模型引入 Azure Machine Learning，简化了大型语言模型在 Azure 上的部署过程，并提供了安全可扩展的环境进行实时推理。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分8585 Hugging Face 发布 bitsandbytes 库，实现 4 位量化并推出 QLoRA 技术
Hugging Face 发布了 bitsandbytes 库，支持 4 位量化，并推出了 QLoRA 技术，用于在 4 位量化模型上进行微调。这项技术使得在单个 48GB GPU 上微调 65B 参数模型成为可能，同时保持了 16 位微调任务的全性能。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face BlogAI 评分4242 InstructPix2Pix：通过指令微调 Stable Diffusion 进行图像处理
Hugging Face 探索了使用 InstructPix2Pix 指令微调 Stable Diffusion，使其能够根据用户指令对输入图像进行编辑。通过创建指令提示数据集，研究人员成功地将 FLAN V2 的指令微调理念应用于图像翻译和图像处理任务，如卡通化、去雨和去噪。实验结果表明，这种方法能够有效地提高模型对特定图像编辑指令的执行能力。
Hugging Face Blog精选AI 评分7070 Hugging Face 安全审计确认 Safetensors 库安全，将成为默认格式
Hugging Face 与 EleutherAI 和 Stability AI 合作，对 Safetensors 库进行了安全审计，确认其安全性，并计划将其作为默认格式。Safetensors 是一个用于保存和加载张量的库，具有安全、懒加载和快速加载等特性。
推荐理由：Hugging Face 对 safetensors 库进行了安全审计，确认其安全性，并计划将其作为默认格式。读者可以了解其安全特性和应用场景。
Hugging Face Blog精选AI 评分6565 Hugging Face 与 IBM 合作推出 watsonx.ai，下一代企业 AI 工作室
Hugging Face 与 IBM 合作推出 watsonx.ai，下一代企业 AI 工作室，旨在帮助 AI 构建者训练、验证、调整和部署传统机器学习和新的生成式 AI 能力。该平台基于 RedHat OpenShift，支持云和本地部署，并集成了 Hugging Face 的开源库。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face BlogAI 评分4545 Q8-Chat：基于Xeon的高效生成式AI体验
Q8-Chat模型通过SmoothQuant技术实现8位量化，在保持模型质量的同时，将模型大小缩小约2倍，显著降低推理延迟，在Xeon CPU平台上实现高效运行。
Hugging Face BlogAI 评分4545 BigCode 大规模文档级近似去重技术揭秘
Hugging Face 博客介绍了 BigCode 的大规模文档级近似去重技术，旨在解决数据重复问题，提高模型训练效率和数据质量。该技术通过 MinHash LSH 等方法，在 OpenWebText2、Pile-CC 等大型数据集上实现了显著的去重效果，同时验证了其在代码模型上的有效性。
Hugging Face BlogAI 评分4545 Vicuna 13B 模型在单张 AMD GPU 上运行指南
Vicuna 13B，一款由UC Berkeley等机构开发的13亿参数开源聊天机器人，在GPT-4的参考下达到90%以上质量。本文介绍了如何在单张AMD GPU上使用ROCm运行Vicuna 13B模型，包括系统要求、ROCm安装、Docker容器设置、模型量化和推理等步骤。
Hugging Face Blog精选AI 评分6060 Hugging Face 推出 RWKV 模型：结合 RNN 和 Transformer 优势的新架构
Hugging Face 推出 RWKV 模型，结合了 RNN 和 Transformer 的优势，具有长上下文处理能力和高效的训练速度。该模型已集成到 Hugging Face transformers 库中，并支持多种应用场景。
推荐理由：原文介绍了 RWKV 模型的特点和优势，读者可以了解其在自然语言处理领域的应用潜力。
Hugging Face Blog精选AI 评分6060 Hugging Face 推出低延迟文本生成新方法：辅助生成
Hugging Face 推出辅助生成，一种新的低延迟文本生成方法，通过使用较小的辅助模型来加速文本生成过程，实现高达 10 倍的延迟降低。
推荐理由：原文介绍了低延迟文本生成的新方法，读者可以了解其如何优化现有工作流。
Hugging Face Blog精选AI 评分7070 使用 StarCoder 创建编码助手
BigCode 的 StarCoder 模型发布，一个基于 80 多种编程语言、GitHub 问题和 Jupyter 笔记本训练的 1600 亿参数模型。该模型可用于创建个性化的编码助手，并支持多查询注意力机制和快速的大批量推理。
推荐理由：原文展示了如何将 StarCoder 模型微调为聊天机器人，读者可以了解其如何改变现有工作流。
Hugging Face Blog精选AI 评分6565 文本到视频模型研究进展
本文深入探讨了文本到视频模型的研究进展，包括挑战、方法和最新成果，如Phenaki、Make-A-Video、NUWA、VideoGPT、CogVideo、Video Diffusion Models (VDM)、MagicVideo、Tune-a-Video、Video LDM、Text2Video-Zero、Runway Gen1和Gen2、NUWA-XL等。
推荐理由：本文深入探讨了文本到视频模型的研究进展，包括挑战、方法和最新成果，对了解该领域的发展具有重要意义。
Hugging Face Blog精选AI 评分8585 StarCoder：一款领先的代码大语言模型发布
StarCoder 是一款基于 GitHub 数据训练的代码大语言模型，具有超过 15B 参数和 1 万亿个 token 的上下文长度。它在多个编程基准测试中优于现有的开源代码 LLM，并与 OpenAI 的 Codex 模型相媲美。StarCoder 可以用于自动完成代码、根据指令修改代码以及用自然语言解释代码片段。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face BlogAI 评分3030 Hugging Face Unity API 安装与使用指南
Hugging Face Unity API 允许开发者将 Hugging Face AI 模型集成到 Unity 项目中，支持多种任务如文本生成、分类、问答等。通过简单的步骤安装 API，并使用 API Wizard 配置模型和 API 密钥。API 支持异步调用，并提供回调处理响应或错误。
Hugging Face BlogAI 评分4242 Hugging Face 🤗 Transformers 使用 TensorFlow 和 TPUs 训练语言模型指南
Hugging Face 推出使用 TensorFlow 和 TPUs 训练语言模型的指南，通过 XLA 和 TPUStrategy 实现高效训练。指南详细介绍了从训练分词器、准备数据集到模型训练和上传的整个过程，适用于 RoBERTa 模型，并支持扩展到更大模型和更强大的 TPU pod。
Hugging Face Blog精选AI 评分6060 在免费 Google Colab 上运行 IF 模型：开源图像生成工具教程
Hugging Face 博客介绍了如何使用开源模型 IF 在免费 Google Colab 上运行，并展示了其在图像生成方面的能力，包括图像变体和图像修复。
推荐理由：介绍了如何使用开源模型 IF 在免费 Google Colab 上运行，并展示了其在图像生成方面的能力。
Hugging Face BlogAI 评分3535 Hugging Face 推出中文博客：促进中西方 AI 社区合作
Hugging Face 推出面向中文用户的博客，提供包括 Transformer、扩散模型和强化学习等资源的翻译，旨在促进中西方 AI 社区合作。博客强调中国 AI 社区的成就，如 HuggingGPT、ChatGLM 等，并计划加强与中国合作伙伴的合作，共同推动 AI 发展。
Hugging Face Blog精选AI 评分7070 Hugging Face 与 AWS 合作优化 Transformers，推出 AWS Inferentia2 加速器
Hugging Face 与 AWS 合作，推出 AWS Inferentia2 加速器，用于优化 Hugging Face Transformers 的性能。该加速器提供了前所未有的吞吐量、延迟、性能功耗比和可扩展性。通过 AWS Neuron SDK 的原生集成，开发者只需一行代码即可将模型编译为 Inferentia2。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face BlogAI 评分4545 Snorkel AI 与 Hugging Face 合作：为企业解锁基础模型
Snorkel AI 与 Hugging Face 合作，推出 Snorkel Flow 开发平台，帮助企业适应和优化基础模型。平台支持用户从 Hugging Face 的 150,000 个开源模型中选择，并通过程序化标注和微调提高模型质量。此合作使企业能够更灵活地利用开源模型，加速数据驱动的 AI 应用开发。
Hugging Face BlogAI 评分5555 StackLLaMA：RLHF 训练 LLaMA 指南
Hugging Face 发布了 StackLLaMA 模型，通过 RLHF 方法训练 LLaMA 模型以回答 Stack Exchange 上的问题，并提供了整个训练流程。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布 Habana Gaudi2 加速器上的 BLOOMZ 大语言模型快速推理功能
Hugging Face 发布了 Habana Gaudi2 加速器上的 BLOOMZ 大语言模型快速推理功能，使用 🤗 Optimum Habana 库可以轻松部署百亿参数的大型语言模型，如 BLOOM，并实现比市场上任何 GPU 更快的推理速度。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face BlogAI 评分4545 Intel Sapphire Rapids CPU 加速 Stable Diffusion 模型推理
Intel Xeon Sapphire Rapids CPU 通过 Optimum Intel 和 OpenVINO 工具包，将 Stable Diffusion 模型推理速度提升至 4.7 秒，相比 Ice Lake Xeon 提升近 10 倍。此外，通过 jemalloc 和 libiomp 等系统级优化，进一步提升了内存操作和并行处理效率。
Hugging Face BlogAI 评分4040 Hugging Face 与 Flower 联合实现联邦学习教程
本教程展示了如何利用 Hugging Face 和 Flower 在多个客户端上联合训练语言模型。以对 IMDB 评分数据集进行序列分类为例，微调预训练的 Transformer 模型（distilBERT），以检测电影评分是正面还是负面。
Hugging Face BlogAI 评分4545 ControlNet 与 diffusers 的训练方法详解
Hugging Face 博客详细介绍了如何使用 ControlNet 和 diffusers 训练模型，包括规划条件、构建数据集和模型训练等步骤。以 Uncanny Faces 模型为例，展示了如何使用 FaceSynthetics 数据集进行训练，并讨论了模型训练过程中的挑战和解决方案。
Hugging Face Blog精选AI 评分7777 Hugging Face发布TRL和PEFT集成，实现大规模语言模型微调
Hugging Face发布TRL和PEFT集成，允许用户在24GB消费级GPU上微调20B参数的大型语言模型，提高了RLHF微调的易用性。
推荐理由：原文介绍了如何使用TRL和PEFT库在24GB消费级GPU上微调20B参数的大型语言模型，读者可以了解如何利用这些工具进行大规模语言模型的微调。