This is the Windows app named FastVLM whose latest release can be downloaded as ml-fastvlmsourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
FastVLM എന്ന് പേരിട്ടിരിക്കുന്ന ഈ ആപ്പ് OnWorks-നൊപ്പം സൗജന്യമായി ഓൺലൈനായി ഡൗൺലോഡ് ചെയ്ത് പ്രവർത്തിപ്പിക്കുക.
ഈ ആപ്പ് പ്രവർത്തിപ്പിക്കുന്നതിന് ഈ നിർദ്ദേശങ്ങൾ പാലിക്കുക:
- 1. നിങ്ങളുടെ പിസിയിൽ ഈ ആപ്ലിക്കേഷൻ ഡൗൺലോഡ് ചെയ്തു.
- 2. ഞങ്ങളുടെ ഫയൽ മാനേജറിൽ https://www.onworks.net/myfiles.php?username=XXXXX എന്നതിൽ നിങ്ങൾക്ക് ആവശ്യമുള്ള ഉപയോക്തൃനാമം നൽകുക.
- 3. അത്തരം ഫയൽമാനേജറിൽ ഈ ആപ്ലിക്കേഷൻ അപ്‌ലോഡ് ചെയ്യുക.
- 4. ഈ വെബ്‌സൈറ്റിൽ നിന്ന് ഏതെങ്കിലും OS OnWorks ഓൺലൈൻ എമുലേറ്റർ ആരംഭിക്കുക, എന്നാൽ മികച്ച Windows ഓൺലൈൻ എമുലേറ്റർ.
- 5. നിങ്ങൾ ഇപ്പോൾ ആരംഭിച്ച OnWorks Windows OS-ൽ നിന്ന്, നിങ്ങൾക്ക് ആവശ്യമുള്ള ഉപയോക്തൃനാമത്തോടുകൂടിയ ഞങ്ങളുടെ ഫയൽ മാനേജർ https://www.onworks.net/myfiles.php?username=XXXXX എന്നതിലേക്ക് പോകുക.
- 6. ആപ്ലിക്കേഷൻ ഡൗൺലോഡ് ചെയ്ത് ഇൻസ്റ്റാൾ ചെയ്യുക.
- 7. നിങ്ങളുടെ Linux വിതരണ സോഫ്റ്റ്‌വെയർ ശേഖരണങ്ങളിൽ നിന്ന് വൈൻ ഡൗൺലോഡ് ചെയ്യുക. ഇൻസ്റ്റാൾ ചെയ്‌തുകഴിഞ്ഞാൽ, വൈൻ ഉപയോഗിച്ച് അവ പ്രവർത്തിപ്പിക്കുന്നതിന് നിങ്ങൾക്ക് ആപ്പിൽ ഡബിൾ ക്ലിക്ക് ചെയ്യാം. ജനപ്രിയ വിൻഡോസ് പ്രോഗ്രാമുകളും ഗെയിമുകളും ഇൻസ്റ്റാൾ ചെയ്യാൻ സഹായിക്കുന്ന വൈനിലൂടെയുള്ള ഫാൻസി ഇന്റർഫേസായ PlayOnLinux നിങ്ങൾക്ക് പരീക്ഷിക്കാവുന്നതാണ്.
ലിനക്സിൽ വിൻഡോസ് സോഫ്റ്റ്‌വെയർ പ്രവർത്തിപ്പിക്കാനുള്ള ഒരു മാർഗമാണ് വൈൻ, എന്നാൽ വിൻഡോസ് ആവശ്യമില്ല. ഏത് ലിനക്സ് ഡെസ്ക്ടോപ്പിലും നേരിട്ട് വിൻഡോസ് പ്രോഗ്രാമുകൾ പ്രവർത്തിപ്പിക്കാൻ കഴിയുന്ന ഒരു ഓപ്പൺ സോഴ്സ് വിൻഡോസ് കോംപാറ്റിബിലിറ്റി ലെയറാണ് വൈൻ. അടിസ്ഥാനപരമായി, വൈൻ ആദ്യം മുതൽ ആവശ്യത്തിന് വിൻഡോസ് വീണ്ടും നടപ്പിലാക്കാൻ ശ്രമിക്കുന്നു, അതുവഴി യഥാർത്ഥത്തിൽ വിൻഡോസ് ആവശ്യമില്ലാതെ തന്നെ എല്ലാ വിൻഡോസ് ആപ്ലിക്കേഷനുകളും പ്രവർത്തിപ്പിക്കാൻ കഴിയും.
സ്ക്രീൻഷോട്ടുകൾ:
ഫാസ്റ്റ്വിഎൽഎം
വിവരണം:
FastVLM എന്നത് കാര്യക്ഷമതയിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ചുള്ള ഒരു ദർശന-ഭാഷാ മോഡലിംഗ് സ്റ്റാക്കാണ്, ഇത് FastViTHD അവതരിപ്പിക്കുന്നു, ഇത് കുറഞ്ഞ വിഷ്വൽ ടോക്കണുകളും സ്ലാഷ് എൻകോഡിംഗ് സമയവും പുറപ്പെടുവിക്കാൻ രൂപകൽപ്പന ചെയ്ത ഒരു ഹൈബ്രിഡ് വിഷൻ എൻകോഡറാണ്, പ്രത്യേകിച്ച് ഉയർന്ന റെസല്യൂഷൻ ഇമേജുകൾക്കായി. വിപുലമായ പ്രൂണിംഗ് ഘട്ടങ്ങൾക്ക് പകരം, ഡിസൈൻ ഇൻപുട്ട് സ്കെയിലിംഗിലൂടെ റെസല്യൂഷനും ടോക്കൺ എണ്ണവും മാറ്റുന്നു, ശക്തമായ കൃത്യത നിലനിർത്തിക്കൊണ്ട് പൈപ്പ്‌ലൈൻ ലളിതമാക്കുന്നു. ചെറുതും വലുതുമായ വകഭേദങ്ങളിലുടനീളമുള്ള താരതമ്യങ്ങൾ ഉൾപ്പെടെ, സമകാലിക ഓപ്പൺ VLM-കളെ അപേക്ഷിച്ച് ടൈം-ടു-ഫസ്റ്റ്-ടോക്കണിലും മത്സര നിലവാരത്തിലും നാടകീയമായ വേഗത വർദ്ധിപ്പിക്കുന്നതിന് റിപ്പോർട്ട് ചെയ്ത ഫലങ്ങൾ എടുത്തുകാണിക്കുന്നു. റിപ്പോസിറ്ററി മോഡൽ വകഭേദങ്ങൾ രേഖപ്പെടുത്തുന്നു, അറിയപ്പെടുന്ന അടിസ്ഥാനരേഖകൾക്കെതിരെ ഹെഡ്-ടു-ഹെഡ് സംഖ്യകൾ പ്രദർശിപ്പിക്കുന്നു, കൂടാതെ എൻകോഡർ സാധാരണ LLM ബാക്ക്‌ബോണുകളുമായി എങ്ങനെ സംയോജിപ്പിക്കുന്നുവെന്ന് വിശദീകരിക്കുന്നു. ആപ്പിളിന്റെ ഗവേഷണ സംക്ഷിപ്തം FastVLM-നെ റിയൽ-ടൈം അല്ലെങ്കിൽ ലേറ്റൻസി-സെൻസിറ്റീവ് സാഹചര്യങ്ങളെ ലക്ഷ്യം വച്ചുള്ളതായി ഫ്രെയിം ചെയ്യുന്നു, ഇവിടെ വിഷ്വൽ ടോക്കൺ മർദ്ദം കുറയ്ക്കുന്നത് ഇന്ററാക്ടീവ് UX-ന് നിർണായകമാണ്. ചുരുക്കത്തിൽ, എക്സോട്ടിക് ടോക്കൺ-സെലക്ഷൻ ഹ്യൂറിസ്റ്റിക്സ് ഇല്ലാതെ VLM-കൾ വേഗത്തിലാക്കാനുള്ള ഒരു പ്രായോഗിക പാചകക്കുറിപ്പാണിത്.
സവിശേഷതകൾ
- കുറച്ച് വിഷ്വൽ ടോക്കണുകളുള്ള FastViTHD ഹൈബ്രിഡ് വിഷൻ എൻകോഡർ
- എൻകോഡിംഗ് ലേറ്റൻസിയിലും TTFT യിലും ഗണ്യമായ കുറവ്
- ലളിതമായ ഇൻപുട്ട് സ്കെയിലിംഗ് വഴി റെസല്യൂഷൻ-ടോക്കൺ ട്രേഡ്-ഓഫ്
- VLM സ്റ്റാക്കുകളിലെ സ്റ്റാൻഡേർഡ് LLM ബാക്ക്‌ബോണുകളുമായുള്ള അനുയോജ്യത
- വളരെ കുറഞ്ഞ ചെലവിൽ അടിസ്ഥാന നിലവാരത്തേക്കാൾ മികച്ച പ്രകടനം കാഴ്ചവച്ചതായി റിപ്പോർട്ട് ചെയ്യപ്പെട്ടു.
- ചെറുതും വലുതുമായ മോഡൽ സംവിധാനങ്ങൾക്കായി ട്യൂൺ ചെയ്ത വകഭേദങ്ങൾ.
പ്രോഗ്രാമിംഗ് ഭാഷ
പൈത്തൺ
Categories
ഇത് https://sourceforge.net/projects/fastvlm.mirror/ എന്നതിൽ നിന്നും ലഭിക്കാവുന്ന ഒരു ആപ്ലിക്കേഷനാണ്. ഞങ്ങളുടെ സൗജന്യ ഓപ്പറേറ്റീവ് സിസ്റ്റങ്ങളിൽ ഒന്നിൽ നിന്ന് ഏറ്റവും എളുപ്പമുള്ള രീതിയിൽ ഓൺലൈനിൽ പ്രവർത്തിപ്പിക്കുന്നതിനായി ഇത് OnWorks-ൽ ഹോസ്റ്റ് ചെയ്‌തിരിക്കുന്നു.