Buscar

3 resultados

Borrar filtros
  • 16 DE JULIO DE 2025 / Cloud

    Stanford’s Marin foundation model: The first fully open model developed using JAX

    The Marin project aims to expand the definition of 'open' in AI to include the entire scientific process, not just the model itself, by making the complete development journey accessible and reproducible. This effort, powered by the JAX framework and its Levanter tool, allows for deep scrutiny, trust in, and building upon foundation models, fostering a more transparent future for AI research.

    Stanford Marin project in JAX
  • 24 DE JUNIO DE 2025 / Kaggle

    Uso de KerasHub para lograr flujos de trabajo de aprendizaje automático sencillos de extremo a extremo con Hugging Face

    KerasHub permite a los usuarios mezclar y combinar arquitecturas y pesos de modelos en diferentes marcos de trabajo de aprendizaje automático, de modo que los puntos de control de fuentes como Hugging Face Hub (incluidos los creados con PyTorch) se puedan cargar en los modelos de Keras para usar con JAX, PyTorch o TensorFlow. Gracias a esta flexibilidad, puedes aprovechar una amplia gama de modelos ajustados por los miembros de la comunidad, al tiempo que mantienes un control total sobre el marco de trabajo de backend elegido.

    How to load model weights from SafeTensors into KerasHub for multi-framework machine learning
  • 13 DE MAYO DE 2025 / TensorFlow

    Crea y entrena un sistema recomendador en 10 minutos con Keras y JAX

    Keras Recommenders (KerasRS) es una nueva biblioteca que se creó con el objetivo de ayudar a los desarrolladores a crear sistemas de recomendación utilizando APIs con elementos fundamentales para clasificación y recuperación, y se puede instalar mediante pip con compatibilidad con backends de JAX, TensorFlow o PyTorch.

    Build and train a Recommender System in 10 minutes using Keras and JAX