Label Studio と MMDetection を使用したオブジェクト検出 AI のトレーニング
ラベリングとトレーニングには、ある程度の接着が必要です。
以前に オブジェクト検出AIのトレーニング を行った際、LabelImgは非常に役立つツールでしたが、 Label StudioからCOCOフォーマットへのエクスポートは MMDetectionフレームワークで受け入れられていませんでした。
AI
LLMの要約能力の比較
8つのllama3（Meta+）および5つのphi3（Microsoft）LLMバージョン
パラメータ数や量子化の異なるモデルの挙動をテストしています。
Ollamaモデルの保存場所を変更する
OllamaのLLMモデルファイルは大量のストレージ容量を必要とする
ollama をインストールする 後すぐに、ollama の設定を変更してモデルを新しい場所に保存するように再設定するのが望ましいです。これにより、新しいモデルをプルした際に、古い場所にダウンロードされるのを防ぐことができます。
大規模言語モデルの速度テスト
LLMのGPUとCPUでの速度をテストしてみましょう
いくつかのLLM（大規模言語モデル）のバージョン（llama3（メタ/Facebook）、phi3（マイクロソフト）、gemma（グーグル）、mistral（オープンソース））におけるCPUおよびGPUでの予測速度の比較。
LLMを用いた論理的誤謬の検出
さまざまなLLMの論理的誤謬検出の質をテストしましょう
ここではいくつかのLLMバージョンを比較しています：Llama3（Meta）、Phi3（Microsoft）、Gemma（Google）、Mistral Nemo（Mistral AI）、Qwen（Alibaba）。