需求人群:
"用于提升DiT应用的训练和推理效率,包括文本到视频生成和文本到图像生成。"
产品特色:
快速、高效的DiT训练和推理
FlashAttention、Fused AdaLN和Fused layernorm核心优化
ZeRO、Gemini和DDP的混合并行方法
FastSeq:一种新颖的序列并行方法
完整的文本到图像和文本到视频生成流程
浏览量:292
最新流量情况
月访问量
4.38m
平均访问时长
00:07:17
每次访问页数
6.50
跳出率
38.34%
流量来源
直接访问
51.33%
自然搜索
30.08%
邮件
0.86%
外链引荐
11.05%
社交媒体
6.66%
展示广告
0
截止目前所有流量趋势图
地理流量分布情况
美国
15.94%
中国
15.11%
印度
9.28%
日本
3.94%
德国
3.35%
大规模参数扩散变换器模型
DiT-MoE是一个使用PyTorch实现的扩散变换器模型,能够扩展到160亿参数,与密集网络竞争的同时展现出高度优化的推理能力。它代表了深度学习领域在处理大规模数据集时的前沿技术,具有重要的研究和应用价值。
PygmalionAI的大规模推理引擎
Aphrodite是PygmalionAI的官方后端引擎,旨在为PygmalionAI网站提供推理端点,并允许以极快的速度为大量用户提供Pygmalion模型服务。Aphrodite利用vLLM的分页注意力技术,实现了连续批处理、高效的键值管理、优化的CUDA内核等特性,支持多种量化方案,以提高推理性能。
10倍速写高效搜索广告
30characters是一个专注于生成高效搜索广告的AI工具。它通过用户输入的关键词和广告组详情,利用人工智能技术快速生成吸引人的广告文案,包括标题、描述、站点链接和呼吁行动等。该工具特别注重字符限制,确保广告文案适合搜索广告的格式。它还具备易于编辑和导出的特点,支持批量导入至Google Ads Editor或粘贴到现有广告中。此外,30characters在训练过程中使用了来自世界顶级广告商的实时Google广告数据,确保生成的广告文案具有高转化率。
高性能图像生成模型的蒸馏加速版本
HunyuanDiT Distillation Acceleration 是腾讯 Hunyuan 团队基于 HunyuanDiT 模型开发的蒸馏加速版本。通过渐进式蒸馏方法,在不降低性能的情况下,实现了推理速度的两倍提升。该模型支持多种GPU和推理模式,能够显著减少时间消耗,提高图像生成效率。
一种基于图像到视频扩散模型的视频编辑技术
I2VEdit是一种创新的视频编辑技术,通过预训练的图像到视频模型,将单一帧的编辑扩展到整个视频。这项技术能够适应性地保持源视频的视觉和运动完整性,并有效处理全局编辑、局部编辑以及适度的形状变化,这是现有方法所不能实现的。I2VEdit的核心包括两个主要过程:粗略运动提取和外观细化,通过粗粒度注意力匹配进行精确调整。此外,还引入了跳过间隔策略,以减轻多个视频片段自动回归生成过程中的质量下降。实验结果表明,I2VEdit在细粒度视频编辑方面的优越性能,证明了其能够产生高质量、时间一致的输出。
易用的大规模语言模型知识编辑框架
EasyEdit 是一个面向大型语言模型(LLMs)的易用知识编辑框架,旨在帮助用户高效、准确地调整预训练模型的特定行为。它提供了统一的编辑器、方法和评估框架,支持多种知识编辑技术,如ROME、MEND等,并提供了丰富的数据集和评估指标,以衡量编辑的可靠性、泛化性、局部性和可移植性。
使用频域分解进行高保真、可迁移的NeRF编辑
Freditor是一种基于频域分解的NeRF编辑方法。它可以实现高保真的NeRF场景编辑,并且可迁移到其他场景。该方法将NeRF场景划分为高频和低频两部分,对低频部分进行风格迁移,并将高频细节重新集成,从而生成高保真的编辑结果。Freditor还支持在推理过程中对编辑强度进行控制。实验表明,该方法在保真度和可迁移性方面都优于现有的NeRF编辑方法。
辅助人类校验大型语言模型(LLM)输出中的事实错误并提供证据的工具
GenAudit 是一个旨在帮助校验大型语言模型(LLM)在文档支持任务中的响应的工具。它可以建议对LLM响应进行编辑,通过修正或移除未被参考文档支持的声明,并且为看似有支持的事实提供参考证据。GenAudit 通过训练模型执行这些任务,并设计了一个交互式界面向用户展示建议的编辑和证据。
开源项目,复现OpenAI的Sora模型
Open-Sora-Plan是一个开源项目,旨在复现OpenAI的Sora(T2V模型),并构建关于Video-VQVAE(VideoGPT)+ DiT的知识。项目由北京大学-兔展AIGC联合实验室发起,目前资源有限,希望开源社区能够贡献力量。项目提供了训练代码,并欢迎Pull Request。
修复您的网页首页英文介绍,无需花费大量时间研究
Dittto是一个AI辅助工具,旨在帮助您优化网页首页英文介绍,提高转化率。它提供了网站定位审核、品牌声音推荐、AI生成英雄文案等功能,帮助您快速创建出令人满意的英文介绍。Dittto还提供了保存变体、A/B测试等功能,让您能够更好地管理和优化您的网页首页英文介绍。Dittto的AI模型经过训练,能够理解您公司的独特定位,并不断自我改进,使生成的文案更加精准。您可以免费试用Dittto,开始优化您的网页首页英文介绍。
RedditChatLab | 即时生成独特商业创意!
通过与经过训练的聊天机器人交谈,进行用户调研,找出痛点并提出商业解决方案。现在以全新打折价购买RedditChatLab,首200位顾客享受50%折扣!
SCEdit是一个高效和可控制的图像扩散生成框架
SCEdit是一个由阿里巴巴提出的高效的生成模型精调框架。该框架增强了下游文本到图像生成任务的精调能力,并实现了对特定生成场景的快速适配,相比LoRA可以节省30%-50%的训练内存成本。此外,它可以直接扩展到可控图像生成任务,只需要ControlNet条件生成所需参数量的7.9%,并可以节省30%的内存使用。它支持各种条件生成任务,包括边缘图、深度图、分割图、姿态、色彩图以及图像补全等。
医学大型语言模型套件
Meditron 是一套开源的医学大型语言模型(LLM)套件。它通过对一份经过综合筛选的医学语料库进行持续预训练,包括选定的 PubMed 论文和摘要、一份新的国际认可的医学指南数据集以及一个通用领域语料库,将 Llama-2 适应到医学领域。Meditron-70B 在相关数据上进行了微调,性能优于 Llama-2-70B、GPT-3.5 和 Flan-PaLM。
GPT 4:更深层次的推理、创造力和挑战性编码任务的最佳模型。
New Chat GPT4是一款基于GPT 4模型的聊天工具,拥有更深层次的推理、创造力和挑战性编码任务的能力。它能够帮助用户更加高效地进行聊天交流,并且支持WebSearch和Doc Edit等功能。New Chat GPT4是一个完美的聊天工具,适用于各种场景。
高保真、时间连贯的视频编辑
MagicEdit是一款高保真、时间连贯的视频编辑模型,通过明确分离外观和运动的学习,支持视频风格化、局部编辑、视频混合和视频外扩等多种编辑应用。MagicEdit还支持视频外扩任务,无需重新训练即可实现。
审核落地页文案
Landing Page Copy Audit是一款通过AI审核落地页文案的工具。它基于行为科学、决策科学和心理学的智慧进行训练,帮助您优化落地页文案,提升转化率。只需将您的落地页文案粘贴到工具中,通过AI的分析和反馈,获取行为科学的洞察力,了解如何激发用户行为,消除购买障碍,以及解决拖延问题。工具提供10个不同的审核视角,帮助您市场推广更具影响力的产品。定价为$2。
先进的大型语言模型,具备推理和编程能力。
Mistral-Large-Instruct-2407是一个拥有123B参数的先进大型语言模型(LLM),具备最新的推理、知识和编程能力。它支持多语言,包括中文、英语、法语等十种语言,并且在80多种编程语言上受过训练,如Python、Java等。此外,它还具备代理中心能力和先进的数学及推理能力。
大型语言模型,支持多种参数规模
Meta Llama 3 是 Meta 推出的最新大型语言模型,旨在为个人、创作者、研究人员和各类企业解锁大型语言模型的能力。该模型包含从8B到70B参数的不同规模版本,支持预训练和指令调优。模型通过 GitHub 仓库提供,用户可以通过下载模型权重和分词器进行本地推理。Meta Llama 3 的发布标志着大型语言模型技术的进一步普及和应用,具有广泛的研究和商业潜力。
AI数学奥林匹克解决方案
这个GitHub仓库包含了训练和推理代码,用于复制我们在AI数学奥林匹克(AIMO)进展奖1中的获胜解决方案。我们的解决方案由四个主要部分组成:一个用于微调DeepSeekMath-Base 7B以使用工具集成推理(TIR)解决数学问题的配方;两个约100万个数学问题和解决方案的高质量训练数据集;一个自洽解码算法,用于生成具有代码执行反馈的解决方案候选项(SC-TIR);四个来自AMC、AIME和MATH的精心选择的验证集,以指导模型选择并避免对公共排行榜的过拟合。
数学竞赛问题的解决方案集合
NuminaMath是一套为训练最先进数学语言模型(SOTA math LLMs)而设计的数据库和模型。它包含860k+数学竞赛问题及其解决方案对,每个解决方案都使用了链式思维(Chain of Thought, CoT)推理进行模板化。此外,还有70k+数学竞赛问题,其解决方案由GPT-4通过工具集成推理(Tool-Integrated Reasoning, TIR)生成。NuminaMath通过提供高质量的数学问题和解决方案,为教育工作者和学生提供了一个宝贵的资源,帮助他们提高数学思维和解决问题的能力。
新一代大模型架构,超越 Transformer。
RWKV 是一种革新的深度学习架构,结合了 RNN 和 Transformer 的最佳特性。它提供出色的性能,快速的推理和训练,并且不依赖自注意力机制,节省 VRAM,支持 ' 无限 ' 的上下文长度。RWKV 在多个语言和编码中表现出色,成为全球开发者的热门选择,推动了开源大语言模型的进步。
高效小型语言模型
SmolLM是一系列最新的小型语言模型,包含135M、360M和1.7B参数的版本。这些模型在精心策划的高质量训练语料库上进行训练,能够实现在本地设备上运行,显著降低推理成本并提高用户隐私。SmolLM模型在多种基准测试中表现优异,测试了常识推理和世界知识。
一款专注于代码生成的高级语言模型
Codestral Mamba是Mistral AI团队发布的专注于代码生成的语言模型,它基于Mamba2架构,拥有线性时间推理的优势和理论上无限序列建模的能力。该模型经过专业训练,具备高级代码和推理能力,能够与当前最先进的基于Transformer的模型相媲美。
数学视觉指令调优模型
MAVIS是一个针对多模态大型语言模型(MLLMs)的数学视觉指令调优模型,主要通过改进视觉编码数学图表、图表-语言对齐和数学推理技能来增强MLLMs在视觉数学问题解决方面的能力。该模型包括两个新策划的数据集、一个数学视觉编码器和数学MLLM,通过三阶段训练范式在MathVerse基准测试中取得领先性能。
轻量级OCR模型,推理速度快
OnnxOCR是基于PaddleOCR重构的轻量级OCR模型,它脱离了PaddlePaddle深度学习训练框架,实现了快速的推理速度。该模型支持超过80种语言的推理,并在转换为ONNX模型后,推理速度比使用PaddlePaddle框架快5倍。OnnxOCR独立于深度学习训练框架,可以直接部署,适用于计算能力有限但需要保持准确性的场景,并且可以在ARM和x86架构的计算机上部署。
AI加速器,推动人工智能的突破
Graphcore是一家专注于人工智能硬件加速器的公司,其产品主要面向需要高性能计算的人工智能领域。Graphcore的IPU(智能处理单元)技术为机器学习、深度学习等AI应用提供了强大的计算支持。公司的产品包括云端IPU、数据中心IPU以及Bow IPU处理器等,这些产品通过Poplar® Software进行优化,能够显著提升AI模型的训练和推理速度。Graphcore的产品和技术在金融、生物技术、科研等多个行业都有应用,帮助企业和研究机构加速AI项目的实验过程,提高效率。
多语言大型语音生成模型,提供全栈推理、训练和部署能力。
CosyVoice 是一个多语言的大型语音生成模型,它不仅支持多种语言的语音生成,还提供了从推理到训练再到部署的全栈能力。该模型在语音合成领域具有重要性,因为它能够生成自然流畅、接近真人的语音,适用于多种语言环境。CosyVoice 的背景信息显示,它是由 FunAudioLLM 团队开发,使用了 Apache-2.0 许可证。
开源的多语言代码生成模型
CodeGeeX4-ALL-9B是CodeGeeX4系列模型的最新开源版本,基于GLM-4-9B持续训练,显著提升了代码生成能力。它支持代码补全、生成、代码解释、网页搜索、函数调用、代码问答等功能,覆盖软件开发的多个场景。在公共基准测试如BigCodeBench和NaturalCodeBench上表现优异,是参数少于10亿的最强代码生成模型,实现了推理速度与模型性能的最佳平衡。
© 2024 AIbase 备案号:闽ICP备08105208号-14