Self-Hosting

Вот список и примеры самых полезных команд Ollama (шпаргалка по командам Ollama), которые я собрал некоторое время назад. Надеюсь, это будет полезно и вам тоже.

Недавно был выпущен. Давайте посмотрим, как Mistral Small справляется по сравнению с другими LLMs тестирование производительности Mistral Small по сравнению с другими LLMs.

Системы интеграции могут быть коммерческими с множеством платных модулей подключения и некоторыми бесплатными;
Или вроде бы бесплатными, но с необычной лицензией;
Или готовыми к самохостингу и не быть.

YaCy — это децентрализованный, пиринговый (P2P) поисковый движок, позволяющий индивидуумам и организациям запускать собственные поисковые порталы или присоединяться к глобальной сети поисковых узлов.

Как это сделать: установка Kubernetes с использованием Kubespray, включая настройку окружения, настройку инвентаризации и запуск playbook Ansible.

Вот мой к8s cheat sheet охватывающий кубетенес наиболее важные команды и концепции от установки до запуска контейнеров и очистки:

Здесь находится Справочник по Docker, охватывающий самые важные команды и концепции, от установки до запуска контейнеров и очистки:

Недавно Black Forest Labs опубликовала набор моделей генерации изображений на основе текста. Эти модели, как утверждается, имеют значительно более высокое качество вывода. Попробуем их

Тестирование, как Perplexica работает с различными LLM, запущенными на локальном Ollama: Llama3, Llama3.1, Hermes 3, Mistral Nemo, Mistral Large, Gemma 2, Qwen2, Phi 3 и Command-r различных квант и выбор Лучший LLM для Perplexica

Вкусная еда - это удовольствие не только для глаз. Но в этом посте мы сравним две системы поиска на основе ИИ, Farfalle и Perplexica.

Это очень вдохновляет!
Вместо того чтобы вызывать copilot или perplexity.ai и рассказывать всему миру, что вы ищете,
теперь вы можете развернуть подобную службу на своем собственном ПК или ноутбуке!

Недавно мы наблюдали выход нескольких новых LLM. Возбуждающие времена. Давайте протестируем и увидим, как они справляются с обнаружением логических ошибок.

Когда я начал экспериментировать с ЛЛМ, интерфейсы для них находились в стадии активной разработки, и теперь некоторые из них действительно хороши.

Я пробовал разные инструменты и пришел к выводу, что Floccus нравится мне больше всего.

Когда я обучал модель детектора объектов AI несколько лет назад - LabelImg был очень полезным инструментом, но экспорт из Label Studio в формат COCO не принимался фреймворком MMDetection..

Тестирование поведения моделей с разным количеством параметров и квантования.