Il s'agit de l'application Windows fairseq2, dont la dernière version est téléchargeable sous le nom v0.5.2sourcecode.tar.gz. Elle peut être exécutée en ligne sur l'hébergeur gratuit OnWorks pour postes de travail.
Téléchargez et exécutez en ligne cette application nommée fairseq2 avec OnWorks gratuitement.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez n'importe quel émulateur en ligne OS OnWorks à partir de ce site Web, mais un meilleur émulateur en ligne Windows.
- 5. Depuis le système d'exploitation OnWorks Windows que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application et installez-la.
- 7. Téléchargez Wine depuis les dépôts de logiciels de vos distributions Linux. Une fois installé, vous pouvez ensuite double-cliquer sur l'application pour les exécuter avec Wine. Vous pouvez également essayer PlayOnLinux, une interface sophistiquée sur Wine qui vous aidera à installer des programmes et des jeux Windows populaires.
Wine est un moyen d'exécuter un logiciel Windows sur Linux, mais sans Windows requis. Wine est une couche de compatibilité Windows open source qui peut exécuter des programmes Windows directement sur n'importe quel bureau Linux. Essentiellement, Wine essaie de ré-implémenter suffisamment de Windows à partir de zéro pour qu'il puisse exécuter toutes ces applications Windows sans avoir réellement besoin de Windows.
CAPTURES D'ÉCRAN:
fairseq2
DESCRIPTION:
Fairseq2 est un framework de modélisation de séquences moderne et modulaire, développé par Meta AI Research, suite à une refonte complète de la bibliothèque Fairseq originale. Conçu dès le départ pour offrir évolutivité, composabilité et flexibilité pour la recherche, Fairseq2 prend en charge un large éventail de tâches de génération de contenu linguistique, vocal et multimodal, notamment le réglage fin des instructions, l'apprentissage par renforcement à partir du retour humain (RLHF) et la modélisation multilingue à grande échelle. Contrairement à Fairseq original, qui a évolué vers une vaste base de code monolithique, Fairseq2 propose une architecture épurée, orientée plugins, conçue pour une maintenabilité à long terme et une expérimentation rapide. Il prend en charge l'apprentissage distribué multi-GPU et multi-nœuds grâce aux technologies DDP, FSDP et au parallélisme tensoriel, et permet d'évoluer jusqu'à plus de 70 milliards de modèles de paramètres. Le framework s'intègre parfaitement aux fonctionnalités de PyTorch 2.x telles que torch.compile, Fully Sharded Data Parallel (FSDP) et la gestion de configuration moderne.
Comment ça marche
- Système de configuration composable et déterministe
- Pipeline de données en streaming C++ à haut débit pour le texte et la parole
- Recettes pour le réglage fin des instructions, l'optimisation des préférences et RLHF
- Intégration native vLLM pour une génération et une inférence optimisées
- Prend en charge plus de 70 milliards de modèles de paramètres avec DDP, FSDP et parallélisme tenseur
- Fairseq modulaire de nouvelle génération avec une architecture propre et extensible
Langage de programmation
C, C++, Python, Shell Unix
Catégories
Cette application peut également être téléchargée depuis https://sourceforge.net/projects/fairseq2.mirror/. Elle est hébergée sur OnWorks afin de pouvoir être exécutée en ligne plus facilement depuis l'un de nos systèmes d'exploitation gratuits.