Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
No encontramos noticias relacionadas por su significado.
Noticias encontradas
Coincidencias en título, descripción, resumen, tags, personas o periodista.
3 resultados para «Amy Roberts»
Más recientes primero · Hasta 30 noticias por página
Hugging Face Blogtimm y transformers se integran para usar cualquier modelo de visión con el ecosistema de Hugging Face
Hugging Face presentó TimmWrapper, una integración que permite usar cualquier modelo de la biblioteca timm (PyTorch Image Models) dentro del ecosistema transformers. La herramienta habilita la API de pipeline, las clases Auto, cuantización rápida con bitsandbytes, ajuste fino con Trainer y LoRA, compatibilidad de ida y vuelta con timm y aceleración mediante torch.compile. El anuncio incluye ejemplos de clasificación de imágenes, una demo con Gradio y una reducción de tamaño de modelo del 74,53% al cuantizar.
Una inmersión en los modelos visión-lenguaje
Artículo técnico de Hugging Face que explica qué son los modelos visión-lenguaje, capaces de procesar imágenes y texto de forma conjunta. Describe cinco estrategias de preentrenamiento (aprendizaje contrastivo, PrefixLM, fusión con atención cruzada, MLM/ITM y sin entrenamiento), los conjuntos de datos usados y las áreas emergentes como medicina y robótica. Muestra además cómo usar ViLT para respuesta a preguntas visuales y CLIPSeg para segmentación de imágenes de cero disparos con 🤗 Transformers.
El estado de la visión por computadora en Hugging Face
Hugging Face publicó un balance del estado de la visión por computadora en su ecosistema, con 8 tareas centrales de visión, más de 3000 modelos y más de 100 datasets en su Hub. El artículo detalla el soporte para Pipelines, el entrenamiento de modelos propios, las integraciones con timm, Diffusers y Datasets, y las herramientas para demos en Spaces y AutoTrain. También describe la filosofía técnica, los modelos zero-shot como CLIP, OWL-ViT y CLIPSeg, y las opciones de despliegue mediante Inference Endpoints.