Hugging Face 推出首个 ML-Agents 环境 Snowball Fight ☃️
Hugging Face 发布首个自定义深度强化学习环境 Snowball Fight 1vs1,玩家可在该 Unity ML-Agents 游戏中向深度强化学习智能体投掷雪球,环境已托管于 Hugging Face Spaces 并可在线试玩。训练环境已开源发布在 Hugging Face Hub,后续将推出技术教程及采用 MA-POCA 算法的 2vs2 协作版本。
Hugging Face 发布首个自定义深度强化学习环境 Snowball Fight 1vs1,玩家可在该 Unity ML-Agents 游戏中向深度强化学习智能体投掷雪球,环境已托管于 Hugging Face Spaces 并可在线试玩。训练环境已开源发布在 Hugging Face Hub,后续将推出技术教程及采用 MA-POCA 算法的 2vs2 协作版本。
Hugging Face 发布开源 Python 库与无代码界面 Data Measurements Tool,基于 Dataset 和 Spaces Hub 搭配 Streamlit 构建,可在线构建、测量和对比数据集。
Hugging Face 在社区周活动中用 10 亿句对训练出 SOTA 句嵌入模型,训练跑在 7 块 TPU v3-8 上。方法采用批内负样本的对比学习目标,配合大批次、难负样本和跨数据集批次提升质量。模型与数据集已在模型卡中开源。
Hugging Face 夏季更新中,Hub 公开模型仓库从 1 万个增至超 1.6 万个,并推出托管 ML 演示应用的 Spaces 测试版,支持 Gradio 和 Streamlit。
Hugging Face Hub 集成 Sentence Transformers,随 v2 版本上线 90 多个预训练模型,覆盖 100 多种语言,可在 Hub 中直接加载使用。Hub 新增 feature-extraction 与句相似度两个 widget,并提供 Inference API 供程序化调用,模型可通过 save_to_hub 一键分享并自动生成 model card。
Hugging Face 发布实践指南,演示如何用 EleutherAI 的 GPT-Neo 配合 🤗 Accelerated Inference API 完成 NLP 少样本(Few-Shot)预测。
Hugging Face 发布 Accelerate 库,面向希望完全控制训练循环的 PyTorch 用户,用五行代码改动即可在任意设备上运行原始训练脚本,支持多节点多 GPU、TPU 与混合精度。
Hugging Face 发布 PyTorch 扩展 pytorch_block_sparse,其 BlockSparseLinear 可直接替代 torch.nn.Linear,让网络更小更快。
Hugging Face 博客详解 Reformer 模型如何以不到 8GB 内存训练长达 50 万 token 的序列,而 bert-base-uncased 的输入长度上限仅 512 token。