热久久久久久久久_日本japanesexxxxx乱_亚洲人成网7777777国产小说阅读_国产成人久久婷婷精品流白浆_国产系列丝袜熟女精品网站_91av资源九色蝌蚪视频

請輸入關鍵字
搜索
模型庫
LLaMA-65B
Inference
LLaMA是大模型研究領域內最熱門的基座模型，由Meta開源。時下熱點的Vicuna，Koala等模型都是在llama的基礎上訓練的。現650億參數量的LLaMA模型已支持在太初卡上推理使用。
LLaMA-7B
Inference
LLaMA是大模型研究領域內最熱門的基座模型，由Meta開源。時下熱點的Vicuna，Koala等模型都是在llama的基礎上訓練的。現70億參數量的LLaMA模型已支持在太初卡上推理使用。
Baichuan-7B
Inference
Baichuan-7B 是由百川智能開發的一個開源可商用的大規模預訓練語言模型。基于 Transformer 結構，在大約 1.2 萬億 tokens 上訓練的 70 億參數模型，支持中英雙語，上下文窗口長度為 4096。現70億參數量的Baichuan模型已支持在太初卡上推理使用。
Baichuan-13B
Inference
Baichuan-13B 是由百川智能繼 Baichuan-7B 之后開發的包含 130 億參數的開源可商用的大規模語言模型，在權威的中文和英文 benchmark 上均取得同尺寸最好的效果。現130億參數量的Baichuan模型已支持在太初卡上推理使用。
LLM
相關模型數：
  • LLaMA-65B
    Inference
    LLaMA是大模型研究領域內最熱門的基座模型，由Meta開源。時下熱點的Vicuna，Koala等模型都是在llama的基礎上訓練的。現650億參數量的LLaMA模型已支持在太初卡上推理使用。
  • LLaMA-7B
    Inference
    LLaMA是大模型研究領域內最熱門的基座模型，由Meta開源。時下熱點的Vicuna，Koala等模型都是在llama的基礎上訓練的。現70億參數量的LLaMA模型已支持在太初卡上推理使用。
  • Baichuan-7B
    Inference
    Baichuan-7B 是由百川智能開發的一個開源可商用的大規模預訓練語言模型。基于 Transformer 結構，在大約 1.2 萬億 tokens 上訓練的 70 億參數模型，支持中英雙語，上下文窗口長度為 4096。現70億參數量的Baichuan模型已支持在太初卡上推理使用。
  • Baichuan-13B
    Inference
    Baichuan-13B 是由百川智能繼 Baichuan-7B 之后開發的包含 130 億參數的開源可商用的大規模語言模型，在權威的中文和英文 benchmark 上均取得同尺寸最好的效果。現130億參數量的Baichuan模型已支持在太初卡上推理使用。
  • BLOOM-7B
    Inference
    BLOOM 是一種自回歸大型語言模型 (LLM)，經過訓練，可使用工業規模的計算資源根據大量文本數據的提示繼續文本。因此，它能夠以 46 種語言和 13 種編程語言輸出連貫的文本。現70億參數量的Bloom模型已支持在太初卡上推理使用。
  • GPT-2-13B
    Inference
    GPT-2（Generative Pre-trained Transformer 2 ）是OpenAI于2019年2月創建的大語言模型。GPT-2能夠翻譯文本、回答問題、總結段落，并生成文本輸出。現130億參數量的GPT2模型已支持在太初卡上推理使用。
  • GPT-2-13B
    Pretrain
    GPT-2（Generative Pre-trained Transformer 2 ）是OpenAI于2019年2月創建的大語言模型。GPT-2能夠翻譯文本、回答問題、總結段落，并生成文本輸出。現130億參數量的GPT2模型已支持在太初卡上訓練使用。
  • GPT-2-13B
    Finetune
    GPT-2（Generative Pre-trained Transformer 2 ）是OpenAI于2019年2月創建的大語言模型。GPT-2能夠翻譯文本、回答問題、總結段落，并生成文本輸出。現130億參數量的GPT2模型已支持在太初卡上微調使用。
  • GPT-NeoX-20B
    Inference
    GPT-NeoX是EleutherAI訓練的自回歸大語言模型，該模型在學術、工業和政府實驗室有廣泛應用。現200億參數量的GPT2-NeoX模型已支持在太初卡上推理使用。
多模態
相關模型數：
CV
相關模型數：
  • Resnet50-v1.5
    Pretrain | PyTorch
    ResNet50 v1.5 (Residual Network)，是一種特定類型的卷積神經網絡 (CNN)，常用于計算機視覺領域。現 ResNet50 v1.5 已支持在太初卡訓練（基于PyTorch框架）使用。
  • Resnet50-v1.5
    Inference
    ResNet50 v1.5 (Residual Network)，是一種特定類型的卷積神經網絡 (CNN)，常用于計算機視覺領域。現 ResNet50 v1.5 已支持在太初卡推理使用。
  • Resnet50-v1.5
    Pretrain | PaddlePaddle
    ResNet50 v1.5 (Residual Network)，是一種特定類型的卷積神經網絡 (CNN)，常用于計算機視覺領域。現 ResNet50 v1.5 已支持在太初卡訓練（基于PaddlePaddle框架）使用。
  • Yolov5-m
    Inference
    Yolo V5建立在先前 YOLO 版本成功的基礎上，并引入了新功能和改進，能夠快速、準確且易于使用，Yolo V5已成為各種對象檢測、實例分割和圖像分類任務的絕佳選擇。現Yolov5m（21.2M 參數）已支持在太初卡推理使用。
  • Yolov5-l6
    Pretrain | PyTorch
    Yolo V5建立在先前 YOLO 版本成功的基礎上，并引入了新功能和改進，能夠快速、準確且易于使用，Yolo V5已成為各種對象檢測、實例分割和圖像分類任務的絕佳選擇。現Yolov5l6（76.8M 參數）已支持在太初卡訓練（基于PyTorch框架）使用。
  • Yolov5-l6
    Inference
    Yolo V5建立在先前 YOLO 版本成功的基礎上，并引入了新功能和改進，能夠快速、準確且易于使用，Yolo V5已成為各種對象檢測、實例分割和圖像分類任務的絕佳選擇。現Yolov5l6（76.8M 參數）已支持在太初卡推理使用。
語音
相關模型數：
  • Wav2Vec 2.0-base
    Pretrain | PyTorch
    Wav2vec使用自監督的訓練方式從未標記的訓練數據中訓練獲得語音識別的能力，能夠支持多種語言識別。現Wav2Vec-2.0-base已支持在太初卡訓練（基于PyTorch框架）使用。
  • Wav2Vec 2.0-base
    Inference
    Wav2vec使用自監督的訓練方式從未標記的訓練數據中訓練獲得語音識別的能力，能夠支持多種語言識別。現Wav2Vec-2.0-base已支持在太初卡推理使用。
NLP
相關模型數：
  • BERT-Base
    Pretrain | PyTorch
    BERT(Bidirectional Encoder Representation from Transformers)是2018年10月由Google AI研究院提出的一種預訓練模型。現BERT-Base已支持在太初卡訓練（基于PyTorch框架）使用。
  • BERT-Base
    Inference
    BERT(Bidirectional Encoder Representation from Transformers)是2018年10月由Google AI研究院提出的一種預訓練模型。現BERT-Base已支持在太初卡推理使用。
抱歉，沒有找到“xxx”相關的結果，請嘗試其他搜索詞

申請試用

完成下方表格填寫后，太初技術專家會在審核初步通過后與您聯系。如果最終完成審核，您可以訪問太初線上環境體驗太初加速卡的性能。

請填寫下表 我們將盡快與您聯系

完成下方表格填寫后，太初技術專家會在審核初步通過后與您聯系。如果最終完成審核，您可以訪問太初線上環境體驗太初加速卡的性能。
主站蜘蛛池模板： 北京市| 永修县| 丘北县| 萍乡市| 蒙自县| 绩溪县| 柏乡县| 亚东县| 那坡县| 车险| 汉阴县| 上虞市| 鹤山市| 思茅市| 镇安县| 元谋县| 江陵县| 淄博市| 嫩江县| 雅安市| 广丰县| 丰宁| 永川市| 修武县| 滨州市| 汽车| 聊城市| 科技| 沿河| 宣城市| 当涂县| 绥化市| 广元市| 宜宾县| 阳江市| 常州市| 龙山县| 正宁县| 张家口市| 南木林县| 页游|