Este é o aplicativo do Windows denominado PEFT, cuja versão mais recente pode ser baixada como GPTQQuantization,Low-levelAPI.zip. Ele pode ser executado online no provedor de hospedagem gratuito OnWorks para estações de trabalho.
Baixe e execute online este aplicativo chamado PEFT com OnWorks gratuitamente.
Siga estas instruções para executar este aplicativo:
- 1. Baixe este aplicativo em seu PC.
- 2. Entre em nosso gerenciador de arquivos https://www.onworks.net/myfiles.php?username=XXXXX com o nome de usuário que você deseja.
- 3. Carregue este aplicativo em tal gerenciador de arquivos.
- 4. Inicie qualquer emulador on-line OS OnWorks a partir deste site, mas um emulador on-line melhor do Windows.
- 5. No sistema operacional OnWorks Windows que você acabou de iniciar, acesse nosso gerenciador de arquivos https://www.onworks.net/myfiles.php?username=XXXXX com o nome de usuário que deseja.
- 6. Baixe o aplicativo e instale-o.
- 7. Baixe o Wine de seus repositórios de software de distribuição Linux. Depois de instalado, você pode clicar duas vezes no aplicativo para executá-lo com o Wine. Você também pode experimentar o PlayOnLinux, uma interface sofisticada do Wine que o ajudará a instalar programas e jogos populares do Windows.
Wine é uma forma de executar software Windows no Linux, mas sem a necessidade de Windows. Wine é uma camada de compatibilidade do Windows de código aberto que pode executar programas do Windows diretamente em qualquer desktop Linux. Essencialmente, o Wine está tentando reimplementar o suficiente do Windows do zero para que possa executar todos os aplicativos do Windows sem realmente precisar do Windows.
SCREENSHOTS
Ad
PEFT
DESCRIÇÃO
Os métodos de ajuste fino com eficiência de parâmetros (PEFT) permitem a adaptação eficiente de modelos de linguagem pré-treinados (PLMs) para vários aplicativos downstream sem ajustar todos os parâmetros do modelo. O ajuste fino de PLMs em grande escala costuma ser proibitivamente caro. A este respeito, os métodos PEFT ajustam apenas um pequeno número de parâmetros (extras) do modelo, diminuindo significativamente os custos computacionais e de armazenamento. As recentes técnicas PEFT de última geração alcançam um desempenho comparável ao do ajuste fino completo.
Recursos
- Acelere modelos em grande escala aproveitando DeepSpeed e Big Model Inference
- Obtenha desempenho comparável ao ajuste fino completo, adaptando LLMs para tarefas posteriores usando hardware de consumo
- Memória GPU necessária para adaptar LLMs no conjunto de dados de poucos disparos
- Ajuste eficiente de parâmetros de modelos de difusão
- Memória GPU exigida por diferentes configurações
- Ajuste eficiente de parâmetros de LLMs para componentes RLHF, como Ranker e Política
Linguagem de Programação
Python
Categorias
Este é um aplicativo que também pode ser obtido em https://sourceforge.net/projects/peft.mirror/. Foi hospedado em OnWorks para poder ser executado online da maneira mais fácil a partir de um de nossos Sistemas Operativos gratuitos.