To aplikacja dla systemu Windows o nazwie FastVLM, której najnowszą wersję można pobrać jako ml-fastvlmsourcecode.tar.gz. Można ją uruchomić online w bezpłatnym hostingu OnWorks dla stacji roboczych.
Pobierz i uruchom bezpłatnie aplikację FastVLM z OnWorks.
Postępuj zgodnie z tymi instrukcjami, aby uruchomić tę aplikację:
- 1. Pobrałem tę aplikację na swój komputer.
- 2. Wpisz w naszym menedżerze plików https://www.onworks.net/myfiles.php?username=XXXXX z wybraną nazwą użytkownika.
- 3. Prześlij tę aplikację w takim menedżerze plików.
- 4. Uruchom dowolny emulator online systemu operacyjnego OnWorks z tej witryny, ale lepszy emulator online systemu Windows.
- 5. W systemie operacyjnym OnWorks Windows, który właśnie uruchomiłeś, przejdź do naszego menedżera plików https://www.onworks.net/myfiles.php?username=XXXXX z wybraną nazwą użytkownika.
- 6. Pobierz aplikację i zainstaluj ją.
- 7. Pobierz Wine z repozytoriów oprogramowania dystrybucji Linuksa. Po zainstalowaniu możesz dwukrotnie kliknąć aplikację, aby uruchomić ją za pomocą Wine. Możesz także wypróbować PlayOnLinux, fantazyjny interfejs w Wine, który pomoże Ci zainstalować popularne programy i gry Windows.
Wine to sposób na uruchamianie oprogramowania Windows w systemie Linux, ale bez systemu Windows. Wine to warstwa kompatybilności z systemem Windows typu open source, która może uruchamiać programy systemu Windows bezpośrednio na dowolnym pulpicie systemu Linux. Zasadniczo Wine próbuje ponownie zaimplementować system Windows od podstaw, aby mógł uruchamiać wszystkie te aplikacje Windows bez faktycznego korzystania z systemu Windows.
ZRZUTY EKRANU
Ad
Szybki VLM
OPIS
FastVLM to zorientowany na wydajność stos modelowania języka wizyjnego, który wprowadza FastViTHD, hybrydowy koder wizyjny zaprojektowany tak, aby emitować mniej tokenów wizualnych i skrócić czas kodowania, szczególnie w przypadku obrazów o wysokiej rozdzielczości. Zamiast skomplikowanych etapów przycinania, projekt oferuje kompromis między rozdzielczością i liczbą tokenów poprzez skalowanie danych wejściowych, upraszczając potok przetwarzania przy jednoczesnym zachowaniu wysokiej dokładności. Zgłoszone wyniki wskazują na znaczące skrócenie czasu do wygenerowania pierwszego tokena i konkurencyjną jakość w porównaniu z współczesnymi, otwartymi systemami VLM, w tym porównania między małymi i większymi wariantami. Repozytorium dokumentuje warianty modelu, prezentuje wyniki porównawcze w stosunku do znanych wartości bazowych i wyjaśnia, jak koder integruje się z typowymi szkieletami LLM. W zarysie badawczym Apple FastVLM został przedstawiony jako ukierunkowany na scenariusze w czasie rzeczywistym lub wrażliwe na opóźnienia, w których obniżenie presji na tokeny wizualne ma kluczowe znaczenie dla interaktywnego UX. Krótko mówiąc, jest to praktyczny przepis na przyspieszenie systemów VLM bez stosowania egzotycznych heurystyk wyboru tokenów.
Funkcjonalności
- Hybrydowy enkoder wizyjny FastViTHD z mniejszą liczbą tokenów wizualnych
- Znaczne zmniejszenie opóźnienia kodowania i czasu TTFT
- Kompromis między rozdzielczością a tokenem poprzez proste skalowanie danych wejściowych
- Zgodność ze standardowymi szkieletami LLM w stosach VLM
- Zgłoszono, że wyniki są lepsze od wyników bazowych przy znacznie niższych kosztach
- Warianty dostosowane do małych i większych modeli
Język programowania
Python
Kategorie
Tę aplikację można również pobrać ze strony https://sourceforge.net/projects/fastvlm.mirror/. Została ona umieszczona w OnWorks, aby można ją było najłatwiej uruchomić online z poziomu jednego z naszych darmowych systemów operacyjnych.
