This is the Linux app named fairseq2 whose latest release can be downloaded as v0.5.2sourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Download en gebruik online gratis deze app met de naam fairseq2 met OnWorks.
Volg deze instructies om deze app uit te voeren:
- 1. Download deze applicatie op uw pc.
- 2. Voer in onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX in met de gebruikersnaam die u wilt.
- 3. Upload deze applicatie in zo'n bestandsbeheerder.
- 4. Start de OnWorks Linux online of Windows online emulator of MACOS online emulator vanaf deze website.
- 5. Ga vanuit het OnWorks Linux-besturingssysteem dat u zojuist hebt gestart naar onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX met de gewenste gebruikersnaam.
- 6. Download de applicatie, installeer hem en voer hem uit.
SCREENSHOTS
Ad
fairseq2
PRODUCTBESCHRIJVING
fairseq2 is een modern, modulair framework voor sequentiemodellering, ontwikkeld door Meta AI Research als een compleet nieuw ontwerp van de originele fairseq-bibliotheek. Fairseq2 is vanaf de grond af opgebouwd voor schaalbaarheid, samenstelling en onderzoeksflexibiliteit en ondersteunt een breed scala aan taken voor taal-, spraak- en multimodale contentgeneratie, waaronder instructiefine-tuning, reinforcement learning from human feedback (RLHF) en grootschalige meertalige modellering. In tegenstelling tot de originele fairseq – die evolueerde naar een grote, monolithische codebase – introduceert fairseq2 een overzichtelijke, plug-in-georiënteerde architectuur, ontworpen voor onderhoudbaarheid op de lange termijn en snelle experimenten. Het ondersteunt multi-GPU en multi-node gedistribueerde training met behulp van DDP, FSDP en tensorparallellisme, en kan worden opgeschaald tot 70B+ parametermodellen. Het framework integreert naadloos met PyTorch 2.x-functies zoals torch.compile, Fully Sharded Data Parallel (FSDP) en modern configuratiebeheer.
Kenmerken
- Samengesteld en deterministisch configuratiesysteem
- High-throughput C++ streaming datapijplijn voor tekst en spraak
- Recepten voor het verfijnen van instructies, het optimaliseren van voorkeuren en RLHF
- Native vLLM-integratie voor geoptimaliseerde generatie en inferentie
- Ondersteunt 70B+ parametermodellen met DDP, FSDP en tensorparallelisme
- Modulaire, next-generation fairseq met een schone, uitbreidbare architectuur
Programmeertaal
C, C++, Python, Unix-shell
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/fairseq2.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.
