Jadual Kandungan
1.Makesense.ai
https: //www.php.cn/link/fd8979ada2fd5bab05e9c5f035a5a5c4c7
Ciri-ciri Utama:
https://www.php.cn/link/388ac20c845a327f97edece8acba6237
Format data yang disokong: " >MyVision ialah alat anotasi imej dalam talian percuma untuk menjana latihan pembelajaran mesin penglihatan komputer data. Menyokong lukisan kotak sempadan dan poligon untuk anotasi objek, operasi poligon dan menyokong pelbagai format set data. Ia juga menyokong anotasi automatik menggunakan model "COCO-SSD", yang boleh dikendalikan secara tempatan untuk memastikan privasi dan keselamatan data. Format data yang disokong:
Rumah Peranti teknologi AI 15 alat anotasi imej percuma sumber terbuka disyorkan

15 alat anotasi imej percuma sumber terbuka disyorkan

Mar 28, 2024 pm 01:21 PM
pembelajaran mesin Sumber terbuka Anotasi imej

Anotasi imej ialah proses mengaitkan label atau maklumat deskriptif dengan imej untuk memberi makna dan penjelasan yang lebih mendalam kepada kandungan imej. Proses ini penting untuk pembelajaran mesin, yang membantu melatih model penglihatan untuk mengenal pasti elemen individu dalam imej dengan lebih tepat. Dengan menambahkan anotasi pada imej, komputer boleh memahami semantik dan konteks di sebalik imej, dengan itu meningkatkan keupayaan untuk memahami dan menganalisis kandungan imej. Anotasi imej mempunyai pelbagai aplikasi, meliputi banyak bidang, seperti penglihatan komputer, pemprosesan bahasa semula jadi dan graf

Model visual mempunyai pelbagai aplikasi, seperti membantu kenderaan dalam mengenal pasti halangan di jalan raya, membantu dalam pengesanan. dan diagnosis penyakit melalui ubat Pengenalan Imej.

Artikel ini terutamanya mengesyorkan beberapa alat anotasi imej sumber terbuka dan percuma yang lebih baik.

15 alat anotasi imej percuma sumber terbuka disyorkan

1.Makesense.ai

https://www.php.cn/link/9e411b2d0cbcc1d9cd8775e89e96774f fc4c96329531345635a4baa9

Makesense.ai ialah alat merentas platform dalam talian percuma untuk melabelkan foto, sesuai untuk projek pembelajaran mendalam penglihatan komputer kecil. Ia memudahkan penyediaan set data dan label boleh dimuat turun dalam pelbagai format. Aplikasi ini ditulis dalam TypeScript dan dibangunkan berdasarkan rangka kerja React/Redux. Ia menyepadukan model AI lanjutan seperti YOLOv, SSD pra-latihan pada set data COCO dan PoseNet untuk mengautomasikan anotasi imej. Fungsi AI adalah berdasarkan rangka kerja TensorFlow.js, yang memastikan privasi dan keselamatan data kerana foto tidak perlu dihantar ke pelayan. 15 alat anotasi imej percuma sumber terbuka disyorkan

2.labelme

15 alat anotasi imej percuma sumber terbuka disyorkan

labelme adalah alat pelabelan imej berasaskan python yang menyokong pelbagai jenis pelabelan dan menyediakan menyesuaikan GUI. Set data dalam format VOC dan COCO boleh dieksport untuk pembahagian semantik dan contoh. 15 alat anotasi imej percuma sumber terbuka disyorkan

Ciri:

Menyokong poligon, segi empat tepat, bulatan, garis, titik dan anotasi tanda peringkat imej

    Tersedia untuk Ubuntu, macOS dan Windows
  • Simpan maklumat anotasi sebagai fail JSON
  • Contoh penggunaan lanjutan
  • keseluruhan imej
  • Tetapkan serlahan ciri kepada muka individu
  • 3 Xtreme1 ialah alat untuk melabelkan berbilang modal Platform sumber terbuka untuk melatih data yang meningkatkan kecekapan pengurusan anotasi data, pengurusan dan ontologi. Alat kecerdasan buatannya direka untuk meningkatkan kecekapan pengesanan objek 2D/3D, pembahagian contoh 3D dan projek gabungan kamera lidar.

Ciri:

Menyokong anotasi data untuk imej, 3D LiDAR dan set data gabungan sensor 2D/3D

Model pra-label dan interaktif terbina dalam menyokong pengesanan objek 2D/3D, pensegmenan dan pengelasan pusat kelas umum (dengan struktur hierarki) dan atribut, digunakan untuk latihan model

Pengurusan data dan pemantauan kualiti 15 alat anotasi imej percuma sumber terbuka disyorkan

Alat untuk mencari dan membetulkan ralat pelabelan

Visualisasi hasil model untuk membantu penilaian model

Untuk model bahasa besar RLHF (versi beta )
  • Mudah dipasang menggunakan Docker atau dari sumber
  • 4.Label Studio
  • https://www.php.cn/link/359f449e012b58f30cbc80ea8b9e
  • Label Studio ialah alatan sumber terbuka untuk melabelkan jenis data seperti audio, teks, imej, video dan siri masa.
    • Ia mempunyai antara muka mesra pengguna, boleh mengeksport data dalam format piawai, menyokong model pembelajaran mesin bersepadu dan boleh disesuaikan untuk projek tertentu.
    • Ia berdasarkan lesen sumber terbuka Apache-2.0. Hilang Ia menyediakan saluran paip anotasi pra-bina untuk anotasi imej semasa terbang tanpa pengetahuan pengaturcaraan, tetapi juga membenarkan pengguna untuk menentukan saluran paip anotasi.
    Aplikasi ini boleh dipanjangkan dan boleh menyambung dengan mudah ke sistem fail luaran seperti S3 Bucket atau Azure Blobstorage. Ia boleh disediakan secara tempatan atau pada pelayan web, dan menyokong organisasi untuk membina pepohon teg, memantau proses penandaan dan penandaan dalam penyemak imbas.

    Ciri-ciri Utama:

    Rangka kerja anotasi imej kolaboratif berasaskan web Saluran anotasi pra-bina untuk anotasi imej segera

    Saluran paip anotasi tersuai 15 alat anotasi imej percuma sumber terbuka disyorkan

    Sistem fail yang boleh disambungkan ke B.3 lobstorage

    Visualkan proses anotasi dalam penyemak imbas

    Boleh dikonfigurasikan secara setempat atau pada pelayan web

    Menyokong penyusunan pokok tag
    • Pantau proses anotasi
    • Menyokong anotasi dalam penyemak imbas
    • Separuh talian paip boleh jadi
    • Penjanaan cadangan anotasi
    • Alat anotasi imej tunggal (SIA) untuk menganotasi kotak b, poligon, titik atau garis
    • Alat anotasi berbilang imej (MIA) untuk menganotasi keseluruhan gugusan imej
    • Eksport fungsi Anotasi
    • statistik individu
    • dan projek
    • Pokok tag berwarna untuk organisasi tag
    • Lihat fungsi anotasi
    • Import dan eksport projek saluran paip
    • Perkongsian projek saluran paip
    • Sepadukan Jupyter-Lab untuk membangunkan saluran paip Bersepadu
    • E-mel
    • LdAP dengan mudah reka bentuk ke mengedarkan proses pengkomputeran intensif merentas pelbagai mesin
    • 6.CVAT
    • https://www.php.cn/link/4d91e93c7905243a769485162b66e3dc
    • Computer Vision Annotation Tool) ialah alat interaktif untuk video dan anotasi imej, digunakan secara meluas dalam penglihatan komputer. Ia menyokong pendekatan tertumpu data kepada kecerdasan buatan dan tersedia dalam talian secara percuma atau dengan langganan untuk ciri tambahan. CVAT juga boleh dipasang secara peribadi dan menawarkan sokongan perusahaan untuk ciri lanjutan.
    • 7.Gromit-MPX

    X adalah alat yang tidak boleh dilukis oleh pengguna secara langsung di desktop pada skrin Lukis dan serlahkan tempat menarik untuk meningkatkan persembahan anda.

    15 alat anotasi imej percuma sumber terbuka disyorkan8.MyVision

    https://www.php.cn/link/6afea581e2d33bf935e94036b41979b2

    15 alat anotasi imej percuma sumber terbuka disyorkan

    MyVision ialah alat anotasi imej dalam talian percuma untuk menjana latihan pembelajaran mesin penglihatan komputer data. Menyokong lukisan kotak sempadan dan poligon untuk anotasi objek, operasi poligon dan menyokong pelbagai format set data. Ia juga menyokong anotasi automatik menggunakan model "COCO-SSD", yang boleh dikendalikan secara tempatan untuk memastikan privasi dan keselamatan data. Format data yang disokong:

    Ciri fungsi:

    • Lukis kotak sempadan dan poligon untuk anotasi objek
    • Gunakan ciri untuk operasi poligon untuk mengedit, mengalih keluar dan menambah titik baharu
    • Menyokong pelbagai format set data
    • Menyokong anotasi automatik menggunakan model "COCO-SSD" Jalankan
    • Lokal privasi data
    • Membolehkan mengimport dan meneruskan pemprosesan projek anotasi yang sedia ada
    • Boleh digunakan untuk menukar set data daripada satu format kepada format yang lain

    9. LabelImg

    112n/9ecd1d1d11d/9ecd1.php . 126b2d2

    15 alat anotasi imej percuma sumber terbuka disyorkan

    LabelImg ialah alat anotasi imej popular yang telah menyertai komuniti Studio Label dan tidak lagi dibangunkan secara aktif. Label Studio ialah alat pelabelan data sumber terbuka yang fleksibel untuk pelbagai jenis data, termasuk imej, teks, audio, video dan data siri masa.

    Maklumat anotasi dalam LabelImg disimpan dalam format PASCAL VOC Selain itu, ia juga menyokong format YOLO dan XML. . buat set data.

    Ciri yang disediakan termasuk penandaan segmen, penjejakan contoh objek dan penandaan objek dengan bahagian yang boleh dilihat terputus. Ia menyimpan dan mengeksport nota dalam format COCO melalui antara muka yang intuitif dan boleh disesuaikan.

    Ciri-ciri:

    Alat berasaskan kami

    Pelabelan imej yang cekap dan serba boleh 15 alat anotasi imej percuma sumber terbuka disyorkan

    Direka untuk melatih penciptaan data untuk penyetempatan imej dan pengesanan objek

    Pelabelan segmen

    Pelabelan jarak objek

    Penjejakan jarak objek
    • Simpan dan eksport anotasi dalam format COCO
    • Antara muka yang intuitif dan boleh disesuaikan
    • Membolehkan pengguna mentakrifkan kawasan secara manual dalam imej
    • Cipta penerangan teks
    • melalui kotak sempadan, alat pelindung atau titik penanda Penanda objek
    • Bentuk bebas dan bukan lengkungan
    • poligon eksport ke format COCO
    • Segmentasi objek
    • Keupayaan untuk menambah titik utama
    • Titik akhir API yang berguna untuk analisis data
    • Import set data format COCO
    • Anotasi objek terputus sambungan secara serentak sebagai serpihan imej
    • label serentak
    • Membenarkan metadata tersuai untuk setiap contoh atau objek
    • Alat pemilihan lanjutan seperti DEXTR, MaskRCNN dan Tongkat Ajaib
    • Gunakan separuh imej anotasi model Latihan
    • Gunakan imej Google untuk menjana set data
    • Sistem pengesahan pengguna
    • Alat Data Universal
    • .
    • . Ia menyokong tugas seperti pembahagian imej, klasifikasi teks dan transkripsi audio. Alat ini membolehkan kerjasama masa nyata, berjalan pada pelbagai platform dan menyokong berbilang format data.
    • 12.RectLabel
    • https://www.php.cn/link/1b31a4f23c784d5b162a3066fa9aaf4f
    Pelabelan boleh digunakan untuk objek imej di luar talian

    Ciri Utama:

    • Labelkan muka dan piksel menggunakan model Segmen Apa-apa sahaja
    • Teg automatik menggunakan model ML Teras
    • Pengecaman teks automatik bagi baris dan perkataan
    • Labelkan muka menggunakan lubang
    • Kuratakan titik imej padu
    • Annotate bahagian garis padu
    • Kotak sempadan berorientasikan label
    • Tandai titik kekunci menggunakan rangka
    • Tandai piksel menggunakan berus dan superpiksel
    • Sediakan objek, sifat, kekunci panas dan label dengan pantas
    • Cari objek, sifat dan nama imej dalam paparan galeri
    • Eksport CO
    • , Format Labelme, COML, YOLO, DOTA dan CSV
    • Eksport imej topeng warna diindeks dan imej topeng skala kelabu
    Video ke bingkai imej, imej dipertingkat dan banyak lagi.

    13.OpenLabeling

    https://www.php.cn/link/03c4207fa67ee3ea4f42c748980eda86

    15 alat anotasi imej percuma sumber terbuka disyorkan

    15 alat anotasi imej percuma sumber terbuka disyorkan

    15 alat anotasi imej percuma sumber terbuka disyorkan

    15 alat anotasi imej percuma sumber terbuka disyorkan

    OpenLabeling ialah alat sumber terbuka untuk melabelkan imej dan video. Ia menyokong pelbagai format seperti PASCAL VOC dan YOLO Darknet. Alat ini telah digunakan untuk: model pengesanan objek pembelajaran mendalam, rangkaian Siam yang menyedari gangguan untuk penjejakan objek visual, penjejakan kotak sempadan dan penjejak OpenCV untuk penjejakan objek video.

    14.bbox-visualizer15 alat anotasi imej percuma sumber terbuka disyorkan

    https: //www.php.cn/link/ed71773d43d53fa70ecf593c6582d9cc

    bbox-visualizer boleh membantu pengguna melukis kotak-kotak di sekeliling . Ia menyediakan pelbagai jenis visualisasi untuk melabel objek selepas pengecaman. Format data titik kotak sempadan ialah: (xmin, ymin, xmax, ymax).

    15. dalam katalog. 15 alat anotasi imej percuma sumber terbuka disyorkan

    Pengguna boleh menandakan kawasan secara manual dengan berus dan kemudian memulakan algoritma. Jika segmentasi awal memerlukan pembetulan, pengguna boleh melukis semula anotasi wilayah baharu ke atas kawasan yang salah.

    15 alat anotasi imej percuma sumber terbuka disyorkan

Atas ialah kandungan terperinci 15 alat anotasi imej percuma sumber terbuka disyorkan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Artikel ini akan membawa anda memahami SHAP: penjelasan model untuk pembelajaran mesin Artikel ini akan membawa anda memahami SHAP: penjelasan model untuk pembelajaran mesin Jun 01, 2024 am 10:58 AM

Dalam bidang pembelajaran mesin dan sains data, kebolehtafsiran model sentiasa menjadi tumpuan penyelidik dan pengamal. Dengan aplikasi meluas model yang kompleks seperti kaedah pembelajaran mendalam dan ensemble, memahami proses membuat keputusan model menjadi sangat penting. AI|XAI yang boleh dijelaskan membantu membina kepercayaan dan keyakinan dalam model pembelajaran mesin dengan meningkatkan ketelusan model. Meningkatkan ketelusan model boleh dicapai melalui kaedah seperti penggunaan meluas pelbagai model yang kompleks, serta proses membuat keputusan yang digunakan untuk menerangkan model. Kaedah ini termasuk analisis kepentingan ciri, anggaran selang ramalan model, algoritma kebolehtafsiran tempatan, dsb. Analisis kepentingan ciri boleh menerangkan proses membuat keputusan model dengan menilai tahap pengaruh model ke atas ciri input. Anggaran selang ramalan model

Kenal pasti overfitting dan underfitting melalui lengkung pembelajaran Kenal pasti overfitting dan underfitting melalui lengkung pembelajaran Apr 29, 2024 pm 06:50 PM

Artikel ini akan memperkenalkan cara mengenal pasti pemasangan lampau dan kekurangan dalam model pembelajaran mesin secara berkesan melalui keluk pembelajaran. Underfitting dan overfitting 1. Overfitting Jika model terlampau latihan pada data sehingga ia mempelajari bunyi daripadanya, maka model tersebut dikatakan overfitting. Model yang dipasang terlebih dahulu mempelajari setiap contoh dengan sempurna sehingga ia akan salah mengklasifikasikan contoh yang tidak kelihatan/baharu. Untuk model terlampau, kami akan mendapat skor set latihan yang sempurna/hampir sempurna dan set pengesahan/skor ujian yang teruk. Diubah suai sedikit: "Punca overfitting: Gunakan model yang kompleks untuk menyelesaikan masalah mudah dan mengekstrak bunyi daripada data. Kerana set data kecil sebagai set latihan mungkin tidak mewakili perwakilan yang betul bagi semua data. 2. Underfitting Heru

Evolusi kecerdasan buatan dalam penerokaan angkasa lepas dan kejuruteraan penempatan manusia Evolusi kecerdasan buatan dalam penerokaan angkasa lepas dan kejuruteraan penempatan manusia Apr 29, 2024 pm 03:25 PM

Pada tahun 1950-an, kecerdasan buatan (AI) dilahirkan. Ketika itulah penyelidik mendapati bahawa mesin boleh melakukan tugas seperti manusia, seperti berfikir. Kemudian, pada tahun 1960-an, Jabatan Pertahanan A.S. membiayai kecerdasan buatan dan menubuhkan makmal untuk pembangunan selanjutnya. Penyelidik sedang mencari aplikasi untuk kecerdasan buatan dalam banyak bidang, seperti penerokaan angkasa lepas dan kelangsungan hidup dalam persekitaran yang melampau. Penerokaan angkasa lepas ialah kajian tentang alam semesta, yang meliputi seluruh alam semesta di luar bumi. Angkasa lepas diklasifikasikan sebagai persekitaran yang melampau kerana keadaannya berbeza daripada di Bumi. Untuk terus hidup di angkasa, banyak faktor mesti dipertimbangkan dan langkah berjaga-jaga mesti diambil. Para saintis dan penyelidik percaya bahawa meneroka ruang dan memahami keadaan semasa segala-galanya boleh membantu memahami cara alam semesta berfungsi dan bersedia untuk menghadapi kemungkinan krisis alam sekitar

Melaksanakan Algoritma Pembelajaran Mesin dalam C++: Cabaran dan Penyelesaian Biasa Melaksanakan Algoritma Pembelajaran Mesin dalam C++: Cabaran dan Penyelesaian Biasa Jun 03, 2024 pm 01:25 PM

Cabaran biasa yang dihadapi oleh algoritma pembelajaran mesin dalam C++ termasuk pengurusan memori, multi-threading, pengoptimuman prestasi dan kebolehselenggaraan. Penyelesaian termasuk menggunakan penunjuk pintar, perpustakaan benang moden, arahan SIMD dan perpustakaan pihak ketiga, serta mengikuti garis panduan gaya pengekodan dan menggunakan alat automasi. Kes praktikal menunjukkan cara menggunakan perpustakaan Eigen untuk melaksanakan algoritma regresi linear, mengurus memori dengan berkesan dan menggunakan operasi matriks berprestasi tinggi.

Satu kad menjalankan Llama 70B lebih pantas daripada dua kad, Microsoft hanya meletakkan FP6 ke dalam A100 | Satu kad menjalankan Llama 70B lebih pantas daripada dua kad, Microsoft hanya meletakkan FP6 ke dalam A100 | Apr 29, 2024 pm 04:55 PM

FP8 dan ketepatan pengiraan titik terapung yang lebih rendah bukan lagi "paten" H100! Lao Huang mahu semua orang menggunakan INT8/INT4, dan pasukan Microsoft DeepSpeed ​​​​memaksa diri mereka menjalankan FP6 pada A100 tanpa sokongan rasmi daripada Nvidia. Keputusan ujian menunjukkan bahawa kaedah baharu TC-FPx FP6 kuantisasi pada A100 adalah hampir atau kadangkala lebih pantas daripada INT4, dan mempunyai ketepatan yang lebih tinggi daripada yang terakhir. Selain itu, terdapat juga sokongan model besar hujung ke hujung, yang telah bersumberkan terbuka dan disepadukan ke dalam rangka kerja inferens pembelajaran mendalam seperti DeepSpeed. Keputusan ini juga mempunyai kesan serta-merta pada mempercepatkan model besar - di bawah rangka kerja ini, menggunakan satu kad untuk menjalankan Llama, daya pemprosesan adalah 2.65 kali lebih tinggi daripada dua kad. satu

AI yang boleh dijelaskan: Menerangkan model AI/ML yang kompleks AI yang boleh dijelaskan: Menerangkan model AI/ML yang kompleks Jun 03, 2024 pm 10:08 PM

Penterjemah |. Disemak oleh Li Rui |. Chonglou Model kecerdasan buatan (AI) dan pembelajaran mesin (ML) semakin kompleks hari ini, dan output yang dihasilkan oleh model ini adalah kotak hitam – tidak dapat dijelaskan kepada pihak berkepentingan. AI Boleh Dijelaskan (XAI) bertujuan untuk menyelesaikan masalah ini dengan membolehkan pihak berkepentingan memahami cara model ini berfungsi, memastikan mereka memahami cara model ini sebenarnya membuat keputusan, dan memastikan ketelusan dalam sistem AI, Amanah dan akauntabiliti untuk menyelesaikan masalah ini. Artikel ini meneroka pelbagai teknik kecerdasan buatan (XAI) yang boleh dijelaskan untuk menggambarkan prinsip asasnya. Beberapa sebab mengapa AI boleh dijelaskan adalah penting Kepercayaan dan ketelusan: Untuk sistem AI diterima secara meluas dan dipercayai, pengguna perlu memahami cara keputusan dibuat

Lima sekolah pembelajaran mesin yang anda tidak tahu Lima sekolah pembelajaran mesin yang anda tidak tahu Jun 05, 2024 pm 08:51 PM

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Penunjuk MoE sumber terbuka domestik meletup: keupayaan tahap GPT-4, harga API hanya satu peratus Penunjuk MoE sumber terbuka domestik meletup: keupayaan tahap GPT-4, harga API hanya satu peratus May 07, 2024 pm 05:34 PM

Model MoE sumber terbuka domestik berskala besar terbaharu telah menjadi popular selepas kemunculannya. Prestasi DeepSeek-V2 mencapai tahap GPT-4, tetapi ia adalah sumber terbuka, percuma untuk kegunaan komersial, dan harga API hanya satu peratus daripada GPT-4-Turbo. Oleh itu, sebaik sahaja dikeluarkan, ia segera mencetuskan banyak perbincangan. Berdasarkan petunjuk prestasi yang diterbitkan, keupayaan Cina komprehensif DeepSeekV2 mengatasi kebanyakan model sumber terbuka Pada masa yang sama, model sumber tertutup seperti GPT-4Turbo dan Wenkuai 4.0 juga berada dalam eselon pertama. Keupayaan bahasa Inggeris yang komprehensif juga berada dalam eselon pertama yang sama seperti LLaMA3-70B, dan mengatasi Mixtral8x22B, yang juga merupakan KPM. Ia juga menunjukkan prestasi yang baik dalam pengetahuan, matematik, penaakulan, pengaturcaraan, dll. Dan menyokong konteks 128K. Bayangkan ini

See all articles