Englishfrançaisespagnol

IcĂ´ne de favori OnWorks

Téléchargement PEFT pour Linux

Téléchargez gratuitement l'application PEFT Linux pour l'exécuter en ligne dans Ubuntu en ligne, Fedora en ligne ou Debian en ligne

Il s'agit de l'application Linux nommée PEFT dont la dernière version peut être téléchargée sous GPTQQuantization, Low-levelAPI.zip. Il peut être exécuté en ligne chez le fournisseur d'hébergement gratuit OnWorks pour les postes de travail.

Téléchargez et exécutez en ligne gratuitement cette application nommée PEFT avec OnWorks.

Suivez ces instructions pour exĂ©cuter cette application :

- 1. Téléchargé cette application sur votre PC.

- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.

- 3. Téléchargez cette application dans ce gestionnaire de fichiers.

- 4. DĂ©marrez l'Ă©mulateur en ligne OnWorks Linux ou Windows en ligne ou l'Ă©mulateur en ligne MACOS Ă  partir de ce site Web.

- 5. Depuis le système d'exploitation OnWorks Linux que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.

- 6. Téléchargez l'application, installez-la et exécutez-la.

CAPTURES D'ÉCRAN

Ad


PEFT


DESCRIPTION

Les méthodes PEFT (Parameter-Efficient Fine-Tuning) permettent une adaptation efficace des modèles de langage pré-entraînés (PLM) à diverses applications en aval sans ajuster tous les paramètres du modèle. Le réglage fin des PLM à grande échelle est souvent d'un coût prohibitif. À cet égard, les méthodes PEFT n'ajustent qu'un petit nombre de paramètres (supplémentaires) du modèle, ce qui réduit considérablement les coûts de calcul et de stockage. Les techniques PEFT de pointe récentes atteignent des performances comparables à celles d'un réglage fin complet.



Caractéristiques

  • AccĂ©lĂ©rez pour les modèles Ă  grande Ă©chelle en tirant parti de DeepSpeed ​​et de Big Model Inference
  • Obtenez des performances comparables Ă  un rĂ©glage fin complet en adaptant les LLM aux tâches en aval Ă  l'aide de matĂ©riel grand public
  • MĂ©moire GPU requise pour adapter les LLM sur l'ensemble de donnĂ©es Ă  quelques prises de vue
  • RĂ©glage efficace des paramètres des modèles de diffusion
  • MĂ©moire GPU requise par diffĂ©rents paramètres
  • RĂ©glage efficace des paramètres des LLM pour les composants RLHF tels que Ranker et Policy


Langage de programmation

Python


Catégories

Grands modèles de langage (LLM)

Il s'agit d'une application qui peut également être récupérée sur https://sourceforge.net/projects/peft.mirror/. Il a été hébergé dans OnWorks afin d'être exécuté en ligne de la manière la plus simple à partir de l'un de nos systèmes d'exploitation gratuits.


Serveurs et postes de travail gratuits

Télécharger des applications Windows et Linux

Commandes Linux

Ad