این یک برنامه ویندوزی به نام fairseq2 است که آخرین نسخه آن را می‌توانید با نام v0.5.2sourcecode.tar.gz دانلود کنید. می‌توانید آن را به صورت آنلاین در ارائه دهنده خدمات میزبانی رایگان OnWorks برای ایستگاه‌های کاری اجرا کنید.
این برنامه با نام fairseq2 را به صورت رایگان با OnWorks دانلود و اجرا کنید.
برای اجرای این برنامه این دستورالعمل ها را دنبال کنید:
- 1. این برنامه را در رایانه شخصی خود دانلود کنید.
- 2. در فایل منیجر ما https://www.onworks.net/myfiles.php?username=XXXXX نام کاربری مورد نظر خود را وارد کنید.
- 3. این برنامه را در چنین فایل منیجر آپلود کنید.
- 4. هر شبیه ساز آنلاین OS OnWorks را از این وب سایت راه اندازی کنید، اما شبیه ساز آنلاین ویندوز بهتر است.
- 5. از OnWorks Windows OS که به تازگی راه اندازی کرده اید، به مدیر فایل ما https://www.onworks.net/myfiles.php?username=XXXXX با نام کاربری که می خواهید بروید.
- 6. برنامه را دانلود و نصب کنید.
- 7. Wine را از مخازن نرم افزار توزیع لینوکس خود دانلود کنید. پس از نصب، می توانید روی برنامه دوبار کلیک کنید تا آنها را با Wine اجرا کنید. همچنین می توانید PlayOnLinux را امتحان کنید، یک رابط کاربری فانتزی بر روی Wine که به شما کمک می کند برنامه ها و بازی های محبوب ویندوز را نصب کنید.
Wine راهی برای اجرای نرم افزار ویندوز بر روی لینوکس است، اما بدون نیاز به ویندوز. Wine یک لایه سازگار با ویندوز منبع باز است که می تواند برنامه های ویندوز را مستقیماً بر روی هر دسکتاپ لینوکس اجرا کند. اساساً، Wine در تلاش است تا به اندازه کافی از ویندوز را از ابتدا مجدداً پیاده سازی کند تا بتواند همه آن برنامه های ویندوز را بدون نیاز به ویندوز اجرا کند.
اسکرین شات ها:
fairseq2
DESCRIPTION:
fairseq2 یک چارچوب مدل‌سازی توالی مدرن و ماژولار است که توسط Meta AI Research به عنوان یک طراحی مجدد کامل از کتابخانه اصلی fairseq توسعه داده شده است. fairseq2 که از ابتدا برای مقیاس‌پذیری، ترکیب‌پذیری و انعطاف‌پذیری در تحقیق ساخته شده است، از طیف گسترده‌ای از وظایف تولید محتوای زبانی، گفتاری و چندوجهی، از جمله تنظیم دقیق دستورالعمل، یادگیری تقویتی از بازخورد انسانی (RLHF) و مدل‌سازی چندزبانه در مقیاس بزرگ پشتیبانی می‌کند. برخلاف fairseq اصلی - که به یک پایگاه کد بزرگ و یکپارچه تبدیل شد - fairseq2 یک معماری تمیز و افزونه‌محور را معرفی می‌کند که برای قابلیت نگهداری طولانی‌مدت و آزمایش سریع طراحی شده است. این چارچوب از آموزش توزیع‌شده چند پردازنده گرافیکی و چند گره‌ای با استفاده از DDP، FSDP و موازی‌سازی تنسور پشتیبانی می‌کند و قادر به مقیاس‌بندی مدل‌های پارامتری تا 70B+ است. این چارچوب به طور یکپارچه با ویژگی‌های PyTorch 2.x مانند torch.compile، Fully Sharded Data Parallel (FSDP) و مدیریت پیکربندی مدرن ادغام می‌شود.
امکانات
- سیستم پیکربندی قابل ترکیب و قطعی
- خط لوله داده جریانی C++ با توان عملیاتی بالا برای متن و گفتار
- دستور العمل هایی برای تنظیم دقیق دستورالعمل، بهینه سازی ترجیحات و RLHF
- ادغام vLLM بومی برای تولید و استنتاج بهینه
- پشتیبانی از مدل‌های پارامتری بیش از ۷۰B با DDP، FSDP و تانسور موازی
- Fairseq ماژولار نسل بعدی با معماری تمیز و قابل توسعه
زبان برنامه نویسی
C، C++، Python، Unix Shell
دسته بندی ها
این برنامه‌ای است که می‌توان آن را از https://sourceforge.net/projects/fairseq2.mirror/ نیز دریافت کرد. این برنامه در OnWorks میزبانی شده است تا بتوان آن را به ساده‌ترین روش از یکی از سیستم‌های عامل رایگان ما به صورت آنلاین اجرا کرد.