एआई विभिन्न क्षेत्रों, वस्तुओं और मौलिक कार्यात्मकताओं को बदल रहा है। फिर भी, गहरे तंत्रिका नेटवर्क स्मृति, कम्प्यूटेशनल शक्ति और ऊर्जा के मामले में अत्यधिक संसाधनों का उपभोग करते हैं। एआई को व्यापक रूप से अपनाने को सुनिश्चित करने के लिए, इसे सख्त शक्ति और थर्मल बाधाओं का पालन करते हुए अंतिम-उपयोगकर्ता उपकरणों पर कुशलता से काम करना चाहिए। परिमाणीकरण और संपीड़न जैसी तकनीकें इन चुनौतियों को कम करने में महत्वपूर्ण भूमिका निभाती हैं।

इस वेबिनार में, सोनी के उत्पाद प्रबंधक, आमिर सर्वी, आपको कुशल बढ़त परिनियोजन के लिए गहन शिक्षण मॉडल की मात्रा निर्धारित करने और तेज करने के लिए सोनी के मॉडल संपीड़न टूलकिट के माध्यम से चलेंगे। आप सीखेंगे कि अपने खुद के मॉडल के लिए भी ऐसा ही कैसे करें! आप क्या सीखेंगे:

- परिमाणीकरण तकनीकों में हमारा नवीनतम शोध और एक व्यावहारिक उत्पाद में इसका कार्यान्वयन

- किनारे पर अनुमान लगाने के लिए हार्डवेयर-जागरूक संपीड़न का महत्व

- सोनी एमसीटी के माध्यम से इंजीनियर और शोधकर्ता इन तकनीकों को कैसे लागू कर सकते हैं

कंप्यूटर दृष्टि में हाल की प्रगति ट्रांसफार्मर वास्तुकला और उपयोगकर्ता के अनुकूल सार को पूर्व-ट्रेन, फाइन-ट्यून और ट्रांसफार्मर लाइब्रेरी में 🤗 अनुमान लगाने के लिए पेश करके काफी प्रेरित हुई है। यह बात नवीनतम ट्रांसफार्मर-आधारित दृष्टि मॉडल का अवलोकन प्रदान करती है, ट्रांसफार्मर लाइब्रेरी के भीतर उपलब्ध उपयोगिताओं की 🤗 पड़ताल करती है, और इसके पीछे के दर्शन में व्यावहारिक अंतर्दृष्टि प्रदान करती है।

खुदरा चेकआउट में लंबी लाइनों से थक गए? हमारी बुद्धिमान कतार प्रबंधन प्रणाली इसका उत्तर है! इस तरह के सिस्टम का उपयोग करके कैसे बनाया जाए, इस पर चरण-दर-चरण ट्यूटोरियल के लिए हमसे जुड़ें OpenVINO और YOLOv8. हम आपको एंड-टू-एंड समाधान विकसित करने के लिए इन शक्तिशाली ओपन-सोर्स टूल को एकीकृत करने की प्रक्रिया के माध्यम से चलेंगे जिसे खुदरा चेकआउट वातावरण में तैनात किया जा सकता है। आप सीखेंगे कि उत्कृष्ट प्रदर्शन प्राप्त करने के लिए एप्लिकेशन को कैसे अनुकूलित किया जाए। चाहे आप एक अनुभवी डेवलपर हों या एआई के लिए नए हों, यह सत्र बुद्धिमान प्रणालियों के निर्माण के लिए व्यावहारिक सुझाव और सर्वोत्तम अभ्यास प्रदान करेगा OpenVINO. प्रस्तुति के अंत तक, आपके पास अपना स्वयं का समाधान बनाने के लिए ज्ञान और संसाधन होंगे।

कृत्रिम बुद्धिमत्ता (एआई) में तेजी से प्रगति द्वारा परिभाषित युग में, इस तकनीक के नैतिक परिदृश्य को नेविगेट करना सर्वोपरि है। इस सत्र में, मोनिका एआई की परिवर्तनकारी शक्ति के साथ आने वाली नैतिक दुविधाओं के जटिल वेब को उजागर करेगी। पूर्वाग्रह और निष्पक्षता को संबोधित करने से लेकर पारदर्शिता, जवाबदेही और समाज पर एआई के गहरे प्रभाव की खोज करने तक, मोनिका ऐसी अंतर्दृष्टि प्रदान करेगी जो एआई के आसपास के नैतिक विचारों पर प्रकाश डालेगी।

यह वार्ता एआई से जुड़ी नैतिक चुनौतियों और जिम्मेदारियों की मौलिक समझ हासिल करने का आपका अवसर है। मोनिका आपको ज्ञान से लैस करेगी जो एआई विकास, निर्णय लेने या नीति निर्माण में लगे किसी भी व्यक्ति के लिए आवश्यक है।

फाउंडेशन मॉडल GPU गणना के संदर्भ में मांग कर सकते हैं और वास्तविक समय के अनुप्रयोगों के लिए उपयुक्त नहीं हो सकते हैं, खासकर यदि आप खरीद के लाखों स्वायत्त बिंदुओं को स्केल करना चाहते हैं। लेकिन हम ज्ञान आसवन नामक विधि का लाभ उठाते हैं, जहां हम एनोटेशन जैसे जटिल कार्यों के लिए अपने नींव मॉडल डालते हैं और इस ज्ञान को छोटे और लागत प्रभावी मॉडल में स्थानांतरित करते हैं। यह हमें मानव पारंपरिक लेबलिंग की तुलना में 90 गुना तेजी से हमारी एनोटेशन प्रक्रिया को तेज करने की अनुमति देता है।

एक रहस्य सुनना चाहते हैं? क्या होगा अगर मैंने आपको बताया कि सक्रिय सीखने के लिए कठिन नहीं होना चाहिए। क्या होगा अगर वहाँ थे ... एक आसान तरीका? आप भाग्य में हैं। यह बात आपको दिखाएगी कि सक्रिय शिक्षण पाइपलाइन का उपयोग कैसे करें DagsHubडेटा इंजन। और 90% पाइपलाइन सीधे ज्यूपिटर नोटबुक या Google कोलाब पर चल सकती है! बात के अंत तक, आपके पास अपनी मौजूदा परियोजना को एक में बदलने के लिए आवश्यक जानकारी होगी जो आपके मॉडल के मैट्रिक्स को कुशलतापूर्वक और जल्दी से सुधारने के लिए सक्रिय शिक्षण का उपयोग करती है!

के साथ खुला स्रोत उपकरण का उपयोग करना YOLOv8 आपकी अगली दृष्टि एआई प्रोजेक्ट को तेजी से चलाने और चलाने में आपकी मदद कर सकता है। डेटा लेबलिंग को स्वचालित करने में मदद करने के लिए ओपन सोर्स छवियों, पुस्तकालयों के भंडार हैं, ट्रैकिंग या गिनती के लिए उपकरण, और आपके मॉडल को तैनात करने के लिए सर्वर। उनके साथ उपयोग करना सीखें YOLOv8 अपना अगला एप्लिकेशन बनाने के लिए।

बड़ी और बेहतर कृत्रिम बुद्धिमत्ता (एआई) प्रणालियों के लिए चल रही वैश्विक दौड़ से नौकरी के बाजारों में बदलाव, व्यापार मॉडल को बाधित करने और नए शासन और सामाजिक कल्याण संरचनाओं को सक्षम करने से गहरा सामाजिक और पर्यावरणीय प्रभाव पड़ने की उम्मीद है जो जलवायु कार्रवाई मार्गों के लिए वैश्विक सहमति को प्रभावित कर सकते हैं। हालांकि, वर्तमान एआई सिस्टम को पक्षपाती डेटासेट पर प्रशिक्षित किया जाता है जो जलवायु परिवर्तन शमन और अनुकूलन निर्णयों को प्रभावित करने वाली राजनीतिक एजेंसियों को अस्थिर कर सकता है और सामाजिक स्थिरता से समझौता कर सकता है, संभावित रूप से सामाजिक टिपिंग घटनाओं के लिए अग्रणी हो सकता है। इस प्रकार, एक कम पक्षपाती एआई प्रणाली का उपयुक्त डिजाइन जो समाजों और ग्रहों की चुनौतियों पर प्रत्यक्ष और अप्रत्यक्ष दोनों प्रभावों को दर्शाता है, सर्वोपरि महत्व का प्रश्न है।

मशीन लर्निंग (एमएल) मॉडल के परिमाणीकरण से मॉडल के आकार में उल्लेखनीय कमी के साथ-साथ कम बैंडविड्थ आवश्यकताओं के कारण अनुमान विलंबता में कमी आ सकती है। जब हार्डवेयर विकल्पों पर तैनात किया जाता है जो पूर्णांक गणना का कुशलतापूर्वक समर्थन करते हैं, तो प्रदर्शन लाभ और भी नाटकीय हो सकता है। हालांकि, परिमाणीकरण कभी-कभी सटीकता में अस्वीकार्य गिरावट का कारण बन सकता है। इस बात में, हम कुशलतापूर्वक मात्रा निर्धारित करने के तरीकों का अवलोकन प्रस्तुत करते हैं YOLOv8 मॉडल उन्हें विभिन्न रीयल-टाइम एज एआई अनुप्रयोगों के लिए एक उत्कृष्ट विकल्प बनाते हैं। हम एक वर्ग भी पेश करते हैं YOLOv8 ReLU6 सक्रियण फ़ंक्शन वाले मॉडल जो विभिन्न प्रकार के मॉडल आर्किटेक्चर और डेटासेट पर उत्कृष्ट पोस्ट प्रशिक्षण परिमाणीकरण परिणाम दिखाते हैं। अंत में, हम बताते हैं कि कैसे मात्रात्मक मॉडल को सरल एपीआई का उपयोग करके सीपीयू, एज टीपीयू और ओर्का (डीगिरम के एआई एचडब्ल्यू त्वरक) जैसे कई हार्डवेयर विकल्पों पर तैनात किया जा सकता है।

Ultralytics छवि वर्गीकरण, वस्तु का पता लगाने, छवि विभाजन, और मुद्रा अनुमान जैसे कार्यों के लिए अत्याधुनिक, अत्याधुनिक कंप्यूटर दृष्टि मॉडल के लिए घर है। Weights & Biases एक डेवलपर-पहला MLOps प्लेटफॉर्म है जो एक के साथ एकीकृत होने पर Ultralytics वर्कफ़्लो, हमें अपने प्रयोगों, मॉडल चौकियों को आसानी से प्रबंधित करने और हमारे प्रयोगों के परिणामों को एक व्यावहारिक और सहज तरीके से कल्पना करने में सक्षम बनाता है। इस सत्र में, हम यह पता लगाएंगे कि हम अपने कंप्यूटर विज़न वर्कफ़्लोज़ का उपयोग करके प्रभावी ढंग से सुपरचार्ज कैसे कर सकते हैं Ultralytics और Weights & Biases.

जानें कि हमने पेटेंटपीटी कैसे बनाया, एक उन्नत भाषा मॉडल समाधान जो पेटेंट खोज और इंटरैक्शन क्षमताओं को बहुत बढ़ाता है। प्रस्तुति बड़े भाषा मॉडल को ठीक करने और तैनात करने और एंटरप्राइज़-ग्रेड मेमोरी एजेंटों को पेटेंट को स्वतः पूर्ण करने, सार और दावों को उत्पन्न करने और समृद्ध पेटेंट कॉर्पस का उपयोग करके उन्नत पेटेंट खोज कार्यों का संचालन करने के लिए व्यावहारिक अंतर्दृष्टि प्रदान करती है। हम आपको अत्याधुनिक एक्टिवलूप के डीप लेक, एआई के लिए डेटाबेस, ओपन-सोर्स एलएलएम मॉडल, हबाना गौड़ी एचपीयू हार्डवेयर और अमेज़ॅन सेजमेकर के एलएलएम अनुमान एपीआई का उपयोग करके एक समान समाधान विकसित करने के तरीके के माध्यम से चलेंगे।

हम आपको वास्तुशिल्प ब्लूप्रिंट और समाधान बनाने के लिए उठाए गए सभी कदमों के माध्यम से चलेंगे - हमारे एलएलएम मॉडल को प्रशिक्षित करने और इसे परिष्कृत करने, कस्टम सुविधाओं को बनाने और खोज एपीआई को तैनात करने से।

चाहे आप एक एआई व्यवसायी हों जो एलएलएम को ठीक करने पर व्यावहारिक गाइड की तलाश कर रहे हों, पेटेंट खोज के लिए एआई का लाभ उठाने में रुचि रखने वाले कानूनी पेशेवर, या एआई-संवर्धित समाधानों के भविष्य के बारे में बस उत्सुक हों, हमारी बात एलएलएम का उपयोग करने की प्रक्रिया और क्षमता में एक झलक प्रदान करती है एक विशेष क्षेत्र में। हमसे जुड़ें क्योंकि हम डीप लेक द्वारा संचालित कस्टम एलएलएम-संचालित ऐप्स बनाने की हमारी यात्रा साझा करते हैं, बड़ी और छोटी कंपनियों के लिए एआई के लिए डेटाबेस।