Hugging Face Hub가 Baidu의 오픈소스 딥러닝 프레임워크인 PaddlePaddle 모델을 지원한다.
Intel Sapphire Rapids의 AMX 기술을 활용해 PyTorch Transformer 학습을 가속화하는 방법을 소개한다.
Hugging Face datasets 라이브러리를 활용해 오디오 데이터셋을 효율적으로 탐색, 로드 및 처리하는 방법을 안내한다.
머신러닝 개발 전 과정에서 편향성을 식별하고 완화하기 위한 Hugging Face의 도구와 가이드를 소개한다.
Habana Gaudi2가 BERT 학습 및 Stable Diffusion 추론 등에서 Nvidia A100 80GB보다 약 2배 빠른 성능을 기록했다.
Elixir 환경에서 GPT2, Stable Diffusion 등 Hugging Face 모델을 실행할 수 있는 Bumblebee 라이브러리가 출시되었다.
단백질 서열 데이터를 언어 모델의 관점에서 이해하고 학습하는 방법과 ESMFold를 활용한 단백질 구조 예측 방법을 다룬다.
Transformer의 Encoder-Decoder 구조를 활용해 불확실성을 포함한 확률적 시계열 예측을 수행하는 방법을 설명한다.
Apple Silicon 환경에서 Core ML을 통해 Stable Diffusion을 실행하는 방법과 변환된 모델을 공개한다.
이산적 잠재 공간에서 동작하는 조건부 잠재 확산 모델인 VQ-Diffusion의 기술적 특징과 구현법을 다룬다.
문서 이해를 위한 Document AI의 주요 태스크와 멀티모달 모델 활용법을 정리한 기술 가이드입니다.
Concrete-ML을 사용하여 암호화된 데이터 상태에서 Transformer 기반 감성 분석을 수행하는 방법을 소개한다.
arXiv 논문 페이지에서 Hugging Face Spaces를 통해 머신러닝 데모를 즉시 실행할 수 있는 기능이 통합되었다.
HuggingFace가 Inference API 유료 티어를 종료하고 Inference Endpoints 등 새로운 요금 체계를 도입한다.
Transformers 라이브러리에 텍스트 반복 문제를 해결하는 Contrastive Search가 도입되었다.
HuggingFace가 Diffusers를 활용해 Stable Diffusion의 Dreambooth 학습 시 과적합을 방지하고 품질을 높이는 최적의 설정법을 공개했다.
Hugging Face Transformers를 사용하여 Whisper 모델을 다국어 음성 인식(ASR) 데이터셋으로 미세 조정하는 방법을 안내한다.
Hugging Face의 Optimum Intel에 Intel OpenVINO가 통합되어 Intel 프로세서 기반의 모델 추론 및 양자화가 용이해졌다.
Hugging Face가 언어 모델의 독성, 극성, 유해성을 측정할 수 있는 편향성 평가 지표를 🤗 Evaluate 라이브러리에 추가했다.
AI Briefing