亚洲欧洲日韩综合二区,欧美精品亚洲精品日韩专区一乛方,亚洲AV无码天堂一区二区三区

LLM

相關(guān)模型數(shù)：

LLaMA-65B

Inference

LLaMA是大模型研究領(lǐng)域內(nèi)最熱門的基座模型，由Meta開源。時下熱點(diǎn)的Vicuna，Koala等模型都是在llama的基礎(chǔ)上訓(xùn)練的?，F(xiàn)650億參數(shù)量的LLaMA模型已支持在太初卡上推理使用。
LLaMA-7B

Inference

LLaMA是大模型研究領(lǐng)域內(nèi)最熱門的基座模型，由Meta開源。時下熱點(diǎn)的Vicuna，Koala等模型都是在llama的基礎(chǔ)上訓(xùn)練的。現(xiàn)70億參數(shù)量的LLaMA模型已支持在太初卡上推理使用。
Baichuan-7B

Inference

Baichuan-7B 是由百川智能開發(fā)的一個開源可商用的大規(guī)模預(yù)訓(xùn)練語言模型?；?Transformer 結(jié)構(gòu)，在大約 1.2 萬億 tokens 上訓(xùn)練的 70 億參數(shù)模型，支持中英雙語，上下文窗口長度為 4096?，F(xiàn)70億參數(shù)量的Baichuan模型已支持在太初卡上推理使用。
Baichuan-13B

Inference

Baichuan-13B 是由百川智能繼 Baichuan-7B 之后開發(fā)的包含 130 億參數(shù)的開源可商用的大規(guī)模語言模型，在權(quán)威的中文和英文 benchmark 上均取得同尺寸最好的效果?，F(xiàn)130億參數(shù)量的Baichuan模型已支持在太初卡上推理使用。
BLOOM-7B

Inference

BLOOM 是一種自回歸大型語言模型 (LLM)，經(jīng)過訓(xùn)練，可使用工業(yè)規(guī)模的計(jì)算資源根據(jù)大量文本數(shù)據(jù)的提示繼續(xù)文本。因此，它能夠以 46 種語言和 13 種編程語言輸出連貫的文本?，F(xiàn)70億參數(shù)量的Bloom模型已支持在太初卡上推理使用。
GPT-2-13B

Inference

GPT-2（Generative Pre-trained Transformer 2 ）是OpenAI于2019年2月創(chuàng)建的大語言模型。GPT-2能夠翻譯文本、回答問題、總結(jié)段落，并生成文本輸出?，F(xiàn)130億參數(shù)量的GPT2模型已支持在太初卡上推理使用。
GPT-2-13B

Pretrain

GPT-2（Generative Pre-trained Transformer 2 ）是OpenAI于2019年2月創(chuàng)建的大語言模型。GPT-2能夠翻譯文本、回答問題、總結(jié)段落，并生成文本輸出?，F(xiàn)130億參數(shù)量的GPT2模型已支持在太初卡上訓(xùn)練使用。
GPT-2-13B

Finetune

GPT-2（Generative Pre-trained Transformer 2 ）是OpenAI于2019年2月創(chuàng)建的大語言模型。GPT-2能夠翻譯文本、回答問題、總結(jié)段落，并生成文本輸出?，F(xiàn)130億參數(shù)量的GPT2模型已支持在太初卡上微調(diào)使用。
GPT-NeoX-20B

Inference

GPT-NeoX是EleutherAI訓(xùn)練的自回歸大語言模型，該模型在學(xué)術(shù)、工業(yè)和政府實(shí)驗(yàn)室有廣泛應(yīng)用?，F(xiàn)200億參數(shù)量的GPT2-NeoX模型已支持在太初卡上推理使用。

多模態(tài)

相關(guān)模型數(shù)：

Resnet50-v1.5

Pretrain | PyTorch

ResNet50 v1.5 (Residual Network)，是一種特定類型的卷積神經(jīng)網(wǎng)絡(luò) (CNN)，常用于計(jì)算機(jī)視覺領(lǐng)域?，F(xiàn) ResNet50 v1.5 已支持在太初卡訓(xùn)練（基于PyTorch框架）使用。
Resnet50-v1.5

Inference

ResNet50 v1.5 (Residual Network)，是一種特定類型的卷積神經(jīng)網(wǎng)絡(luò) (CNN)，常用于計(jì)算機(jī)視覺領(lǐng)域。現(xiàn) ResNet50 v1.5 已支持在太初卡推理使用。
Resnet50-v1.5

Pretrain | PaddlePaddle

ResNet50 v1.5 (Residual Network)，是一種特定類型的卷積神經(jīng)網(wǎng)絡(luò) (CNN)，常用于計(jì)算機(jī)視覺領(lǐng)域?，F(xiàn) ResNet50 v1.5 已支持在太初卡訓(xùn)練（基于PaddlePaddle框架）使用。
Yolov5-m

Inference

Yolo V5建立在先前 YOLO 版本成功的基礎(chǔ)上，并引入了新功能和改進(jìn)，能夠快速、準(zhǔn)確且易于使用，Yolo V5已成為各種對象檢測、實(shí)例分割和圖像分類任務(wù)的絕佳選擇?，F(xiàn)Yolov5m（21.2M 參數(shù)）已支持在太初卡推理使用。
Yolov5-l6

Pretrain | PyTorch

Yolo V5建立在先前 YOLO 版本成功的基礎(chǔ)上，并引入了新功能和改進(jìn)，能夠快速、準(zhǔn)確且易于使用，Yolo V5已成為各種對象檢測、實(shí)例分割和圖像分類任務(wù)的絕佳選擇?，F(xiàn)Yolov5l6（76.8M 參數(shù)）已支持在太初卡訓(xùn)練（基于PyTorch框架）使用。
Yolov5-l6

Inference

Yolo V5建立在先前 YOLO 版本成功的基礎(chǔ)上，并引入了新功能和改進(jìn)，能夠快速、準(zhǔn)確且易于使用，Yolo V5已成為各種對象檢測、實(shí)例分割和圖像分類任務(wù)的絕佳選擇?，F(xiàn)Yolov5l6（76.8M 參數(shù)）已支持在太初卡推理使用。

語音

相關(guān)模型數(shù)：

Wav2Vec 2.0-base

Pretrain | PyTorch

Wav2vec使用自監(jiān)督的訓(xùn)練方式從未標(biāo)記的訓(xùn)練數(shù)據(jù)中訓(xùn)練獲得語音識別的能力，能夠支持多種語言識別?，F(xiàn)Wav2Vec-2.0-base已支持在太初卡訓(xùn)練（基于PyTorch框架）使用。
Wav2Vec 2.0-base

Inference

Wav2vec使用自監(jiān)督的訓(xùn)練方式從未標(biāo)記的訓(xùn)練數(shù)據(jù)中訓(xùn)練獲得語音識別的能力，能夠支持多種語言識別?，F(xiàn)Wav2Vec-2.0-base已支持在太初卡推理使用。

NLP

相關(guān)模型數(shù)：

BERT-Base

Pretrain | PyTorch

BERT(Bidirectional Encoder Representation from Transformers)是2018年10月由Google AI研究院提出的一種預(yù)訓(xùn)練模型。現(xiàn)BERT-Base已支持在太初卡訓(xùn)練（基于PyTorch框架）使用。
BERT-Base

Inference

BERT(Bidirectional Encoder Representation from Transformers)是2018年10月由Google AI研究院提出的一種預(yù)訓(xùn)練模型?，F(xiàn)BERT-Base已支持在太初卡推理使用。

抱歉，沒有找到“xxx”相關(guān)的結(jié)果，請嘗試其他搜索詞

申請?jiān)囉?/h3>

請?zhí)顚懴卤? 我們將盡快與您聯(lián)系