Intel과 Hugging Face가 협력하여 Transformer 모델의 하드웨어 가속을 지원하는 Optimum Intel 라이브러리를 공개했다.
Hugging Face Optimum 라이브러리에 Graphcore IPU에 최적화된 다양한 Transformer 모델이 추가되었다.
Hugging Face Hub에 모델, 데이터셋, Space를 위한 Pull Request와 Discussion 기능이 추가되었습니다.
Gradio가 프론트엔드 재설계와 커스텀 레이아웃을 위한 Blocks API를 포함한 3.0 버전을 출시했다.
Hugging Face가 Transformers 모델의 추론 성능을 최적화하는 Optimum 라이브러리의 기능을 업데이트했다.
Hugging Face가 Lux Capital의 주도로 1억 달러 규모의 Series C 투자를 유치했다.
fastai 사용자가 단 한 줄의 코드로 모델을 Hugging Face Hub에 업로드하고 공유할 수 있게 되었다.
Hugging Face의 Accelerate 라이브러리를 통해 PyTorch FSDP를 활용하여 대규모 모델 학습을 가속화하는 방법을 소개한다.
Hugging Face가 모델 학습 및 배포 시 발생하는 CO2 배출량을 추적하고 검색할 수 있는 기능을 도입했다.
Habana Labs의 SynapseAI와 Hugging Face의 Optimum 라이브러리 통합으로 Gaudi 프로세서 기반 Transformer 학습을 가속화한다.
Hugging Face가 Transformers 라이브러리 설계 시 DRY 원칙 대신 '단일 모델 파일' 정책을 채택한 이유를 설명한다.
Hugging Face가 오프라인 강화학습 모델인 Decision Transformer를 transformers 라이브러리에 통합했다.
AWS Inferentia와 Hugging Face Transformers를 사용하여 BERT 모델의 추론 성능을 최적화하고 비용을 절감하는 방법을 안내한다.
Transformers 라이브러리에서 특정 단어를 포함하도록 텍스트 생성을 제어하는 Constrained Beam Search 기능을 소개한다.
CTC 구조의 특성을 활용해 긴 오디오 파일에서도 메모리 문제 없이 고품질 음성 인식을 수행하는 방법을 설명한다.
강화학습 라이브러리 Stable-baselines3를 Hugging Face Hub에서 사용할 수 있게 되었다.
n-gram 언어 모델을 활용하여 Wav2Vec2의 음성 인식 성능을 개선하는 기술적 가이드를 제공한다.
모든 종류의 데이터를 처리할 수 있는 확장 가능한 멀티모달 모델 Perceiver IO가 Transformers 라이브러리에 추가되었다.
HuggingFace가 공개한 파이썬 코드 생성 모델 CodeParrot의 데이터셋 구축 및 학습 방법론을 소개한다.
Hugging Face가 Unity ML-Agents를 활용한 심층 강화 학습(DRL) 생태계 구축을 발표했다.
데이터셋의 품질을 측정하고 비교할 수 있는 오픈소스 도구인 Data Measurements Tool이 공개되었습니다.
AI Briefing