إطار عمل تصريحي للتدريب، الضبط الدقيق، ونشر نماذج اللغات الكبيرة، والرؤية الحاسوبية، والجدولية باستخدام إعدادات YAML.
بناء، ضبط دقيق، وخدمة النماذج متعددة الوسائط، نماذج اللغات الكبيرة، والتنبؤ بالسلاسل الزمنية دون الحاجة لكتابة كود برمجي متكرر.
لعبة ludwig هو إطار عمل تعلم عمقي تصريحي يتيح لك بناء وضبط نماذج تعلم الآلة باستخدام ملفات إعدادات YAML منظمة. بدلاً من كتابة حلقات تدريب PyTorch مخصصة، تقوم بتحديد ميزات الإدخال والإخراج جنباً إلى جنب مع معاملات النموذج. وهو يناسب فرق الهندسة وعلماء البيانات الذين يحتاجون إلى نماذج متخصصة لتحليل المستشعرات، أو الفحص البصري، أو نماذج اللغات الكبيرة الخاصة بالمجال.
يتولى ludwig التدريب الشامل للنموذج، ضبط المعاملات الفائقة، وخدمة الاستدلال عبر مجموعات بيانات النصوص، الصور، السلاسل الزمنية، والجدولية. وهو يوفر خيارات قياسية لمهام العمل المتقدمة، بما في ذلك الضبط الدقيق بتنسيق 4-bit QLoRA، محاذاة DPO، والتنبؤ بالسلاسل الزمنية عبر PatchTST. يمكنك تنفيذ عمليات التدريب عبر أمر CLI واحد أو تصدير النماذج إلى نقاط نهاية REST باستخدام Ray Serve و KServe.
تناسب هذه الأداة مهندسي تعلم الآلة، محللي البيانات الهيكلية، والمصممين الحسابيين الذين يحتاجون إلى تدريب شبكات عصبية مخصصة دون إعادة كتابة كود التدريب المتكرر. وهي أقل ملاءمة للمهندسين غير التقنيين أو ممارسي التصميم الذين يفتقرون إلى مهارات تجهيز مجموعات البيانات أو البنية التحتية الحوسبية المخصصة.
تعريف بنيات التعلم العمقي الكاملة، مشفرات الميزات، وووالفقد داخل ملفات إعدادات منظمة.
تطبيق تقنيات 4-bit QLoRA، محاذاة DPO، محولات PEFT المتعددة، وتدريب نماذج الرؤية اللغوية VLM على النماذج الأساسية المفتوحة.
دمج مشفرات الصور، محولات النصوص، والميزات العددية في شبكة موحدة متعددة المهام.
التنبؤ بمقاييس الاستخدام الهيكلية أو الخاصة بالطاقة باستخدام ميزات PatchTST و N-BEATS المدمجة ومقاييس التقييم المتخصصة.
ludwig هو مفتوح المصدر ومجاني للاستخدام تحت رخصة Apache-2.0. تقتصر تكاليفك التشغيلية فقط على البنية التحتية للحوسبة وحدات معالجة الرسومات GPUs اللازمة لتدريب واستضافة نماذجك.
879 وظيفة مفتوحة عن بعد في تدريب الذكاء الاصطناعي، آخر تحديث ١٥ نوفمبر ٢٠٢٦؛ أجر معظمها $20–$175 في الساعة. منها 2 وظائف تطلب متحدثين بالعربية. يعرضها ذكائي مجانًا، والتقديم يتم على منصة جهة التوظيف.
بينما تعمل مهام الجداول الصغيرة على وحدة معالجة مركزية CPU قياسية، يتطلب الضبط الدقيق لنماذج اللغات الكبيرة أو تدريب نماذج الرؤية وحدات معالجة رسومات Nvidia مخصصة.
نعم، يؤدي تشغيل أمر ludwig serve إلى إطلاق API محلی لـ REST، ويحتوي ludwig على تكامل إنتاجي لـ Ray Serve و KServe.
شاهد Zekai أولاً في جوجل