Dit is de Windows-app fairseq2, waarvan de nieuwste versie kan worden gedownload als v0.5.2sourcecode.tar.gz. Deze kan online worden uitgevoerd via de gratis hostingprovider OnWorks voor werkstations.
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 een OS OnWorks online emulator vanaf deze website, maar een betere Windows online emulator.
- 5. Ga vanuit het OnWorks Windows-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 en installeer deze.
- 7. Download Wine van de softwarebronnen voor Linux-distributies. Eenmaal geïnstalleerd, kunt u vervolgens dubbelklikken op de app om ze met Wine uit te voeren. Je kunt ook PlayOnLinux proberen, een mooie interface via Wine waarmee je populaire Windows-programma's en -games kunt installeren.
Wine is een manier om Windows-software op Linux uit te voeren, maar zonder dat Windows vereist is. Wine is een open-source Windows-compatibiliteitslaag die Windows-programma's rechtstreeks op elke Linux-desktop kan uitvoeren. In wezen probeert Wine genoeg van Windows opnieuw te implementeren, zodat het al die Windows-applicaties kan draaien zonder Windows echt nodig te hebben.
SCHERMSCHERMEN:
fairseq2
BESCHRIJVING:
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.