Dies ist die Windows-App namens PEFT, deren neueste Version als GPTQQuantization,Low-levelAPI.zip heruntergeladen werden kann. Es kann online beim kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens PEFT mit OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie einen beliebigen OS OnWorks-Online-Emulator von dieser Website, aber einen besseren Windows-Online-Emulator.
- 5. Rufen Sie vom gerade gestarteten OnWorks Windows-Betriebssystem unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter und installieren Sie sie.
- 7. Laden Sie Wine aus den Software-Repositorys Ihrer Linux-Distributionen herunter. Nach der Installation können Sie dann auf die App doppelklicken, um sie mit Wine auszuführen. Sie können auch PlayOnLinux ausprobieren, eine schicke Schnittstelle über Wine, die Ihnen bei der Installation beliebter Windows-Programme und -Spiele hilft.
Wine ist eine Möglichkeit, Windows-Software unter Linux auszuführen, jedoch ohne Windows. Wine ist eine Open-Source-Windows-Kompatibilitätsschicht, die Windows-Programme direkt auf jedem Linux-Desktop ausführen kann. Im Wesentlichen versucht Wine, genügend Windows von Grund auf neu zu implementieren, damit alle diese Windows-Anwendungen ausgeführt werden können, ohne dass Windows tatsächlich benötigt wird.
SCREENSHOTS
Ad
PEFT
BESCHREIBUNG
Parametereffiziente Feinabstimmungsmethoden (PEFT) ermöglichen eine effiziente Anpassung vorab trainierter Sprachmodelle (PLMs) an verschiedene nachgelagerte Anwendungen, ohne dass alle Parameter des Modells feinabgestimmt werden müssen. Die Feinabstimmung großer PLMs ist oft unerschwinglich kostspielig. In dieser Hinsicht optimieren PEFT-Methoden nur eine kleine Anzahl (zusätzlicher) Modellparameter, wodurch die Rechen- und Speicherkosten erheblich gesenkt werden. Aktuelle hochmoderne PEFT-Techniken erreichen eine Leistung, die mit der einer vollständigen Feinabstimmung vergleichbar ist.
Eigenschaften
- Beschleunigen Sie die Erstellung großer Modelle mithilfe von DeepSpeed und Big Model Inference
- Erhalten Sie eine vergleichbare Leistung wie bei vollständiger Feinabstimmung, indem Sie LLMs mithilfe von Consumer-Hardware an nachgelagerte Aufgaben anpassen
- GPU-Speicher, der zum Anpassen von LLMs an den Datensatz mit wenigen Aufnahmen erforderlich ist
- Parametereffiziente Abstimmung von Diffusionsmodellen
- GPU-Speicher, der für verschiedene Einstellungen erforderlich ist
- Parametereffiziente Abstimmung von LLMs für RLHF-Komponenten wie Ranker und Policy
Programmiersprache
Python
Berufsfeld
Dies ist eine Anwendung, die auch von https://sourceforge.net/projects/peft.mirror/ abgerufen werden kann. Es wurde in OnWorks gehostet, um es auf einfachste Weise online über eines unserer kostenlosen Betriebssysteme ausführen zu können.