活动回顾(PPT+视频)|Python开发者的年度聚会,我们的现场直击!

部署运行你感兴趣的模型镜像

b3ab307e84df6aa1984fb34694e8552b.png

12 月 17 日,Python 开发者的年底聚会 —— PyCon China 2022 在全国四地线上+线下同步举行,Jina AI 的工程师们受邀为大家带来精彩的主题演讲,小伙伴们在深圳线下分会场迎来许多热情参展的小伙伴,一起度过愉快而充实的周六下午!

PyCon 干货分享

Jina AI 的工程团队为本次 PyCon China 做了充足的准备,从最初的敲定议题,到中间的反复打磨,再到最终的主题演讲,只为给大家带来干货满满的线上和线下分享。

我们的构建模型微调服务之旅

👨‍💻 北京·线上会场|王博|Jina AI Engineering Manager

📢 演讲主题:《我们的构建模型微调服务之旅》

王博在分享中介绍了 Jina 是如何对搜索嵌入进行微调,以及如何将模型微调作为一种服务,以更好地服务于最终用户。神经搜索的目的是将不同形式的数据编码为向量表示,并在向量空间中找到最相似的项目。然而,由于预先训练的模型和应用领域的分布变化,模型微调对于弥补差距至关重要。Fintuner 是 Jina AI 打造的针对神经搜索的模型微调工具,封装了不同深度学习框架的模型、损失函数和训练过程。

33843ea167c706d1ce3bd6a96b252063.png

1ec1dcc5b1657c98764a8fad41e0a6b7.png

dd1dd3cf223e7af4dd5672a9365e3e27.png

f9f405c78f143f46e3d725531ecba8b4.png

e3449844468fe4a17b7af1d82ceaa878.png

c4784859260e47e83d2996f76f87cbb1.png

🔍 关注“Jina AI”公众号,后台回复“PyCon”即可获取本次演讲 PPT 。

多模态应用场景下的

高性能Embedding计算服务

👨‍💻 深圳·线下会场|付杰|Jina AI 高级软件工程师

📢 演讲主题:《多模态应用场景下的高性能 Embedding 计算服务》

付杰在分享中介绍了多模态场景下的向量搜索技术,以及如何使用 CLIP-as-service 的服务快速搭建跨模态向量检索引擎。首先,他阐述了目前多模态技术的发展应用及其多模态表征模型(尤其是 CLIP)的原理及一些相关的下游应用,然后讲述如何使用预训练好的多模态模型获得输入数据的 embedding,以及一个满足工业界需求的 embedding service 需要包含哪些功能。最后展示 Jina AI 的 CLIP-as-service 包含哪些现有功能,并做了一些简单的 demo 演示。

f247e2648942d83ab676989a4472216b.jpeg

ede7299a88314a4f611d01c79e6f7865.jpeg

27e9dc6254db208b1ae733f8bacebdad.png

7129c9779de9c22066607f4f0212efed.png

703245dd66c2bb0e4351d30ed5772815.png

c07166877a00bfa4a6b5a6f7a58baef1.png

35aba6b383356d1a2f2f17ce8ea76e5d.png

🔍 关注“Jina AI”公众号,后台回复“PyCon”即可获取本次演讲 PPT 。

PyCon 深圳线下会场直击

PyCon China(深圳站)于周六下午 13 点正式开始。上午 Jina AI 的同事们就带着满满的礼物周边来到会场,提前布置好会场,希望为后续逐渐到来的小伙伴们搭建一个温馨有趣的展位台。

e19e34f778906f053bb91d0459bcb7e4.jpeg

9278efd398cd216493bff2038b341330.jpeg

午饭时间一过,现场陆续迎来很多参会者,大家完成签到后饶有兴致地在 Jina AI 的展台驻足停留。参与 Jina AI 设置的赢奖互动环节,通过完成现场挑战任务赢取了诚意满满的周边礼品。

7f105e78af878d9aeb055c2b54d842ff.jpeg

7b0b30bd1a7aa921f693e6c53951f0d1.jpeg

6f18e6953c98eea28b45bf6895df0475.jpeg

更多现场精彩大家可以点击下方小视频观看~

 填问卷 赢周边 

在活动现场 Jina AI 的周边一如既往地受到大家的热烈欢迎,有帽子、手套、贴纸... 请持续关注我们的公众号,希望在以后的活动中能和更多小伙伴线下相聚!这次没有来到现场的小伙伴也可以点击填写 Jina AI 用户体验问卷,即可有机会获得周边礼包!快来领取,成为朋友圈最靓的仔!


ad363bcbd343f79c60acde815e96935b.png

更多精彩内容(点击图片阅读)

df4cbf83b93aeb4df340e4498d1b05a8.jpeg

e4375c9c6a793bba83a1b8955010ec34.jpeg

您可能感兴趣的与本文相关的镜像

Llama Factory

Llama Factory

模型微调
LLama-Factory

LLaMA Factory 是一个简单易用且高效的大型语言模型(Large Language Model)训练与微调平台。通过 LLaMA Factory,可以在无需编写任何代码的前提下,在本地完成上百种预训练模型的微调

基于可靠性评估序贯蒙特卡洛模拟法的配电网可靠性评估研究(Matlab代码实现)内容概要:本文围绕“基于可靠性评估序贯蒙特卡洛模拟法的配电网可靠性评估研究”,介绍了利用Matlab代码实现配电网可靠性的仿真分析方法。重点采用序贯蒙特卡洛模拟法对配电网进行长时间段的状态抽样与统计,通过模拟系统元件的故障与修复过程,评估配电网的关键可靠性指标,如系统停电频率、停电持续时间、负荷点可靠性等。该方法能够有效处理复杂网络结构与设备时序特性,提升评估精度,适用于含分布式电源、电动汽车等新型负荷接入的现代配电网。文中提供了完整的Matlab实现代码与案例分析,便于复现和扩展应用。; 适合人群:具备电力系统基础知识和Matlab编程能力的高校研究生、科研人员及电力行业技术人员,尤其适合从事配电网规划、运行与可靠性分析相关工作的人员; 使用场景及目标:①掌握序贯蒙特卡洛模拟法在电力系统可靠性评估中的基本原理与实现流程;②学习如何通过Matlab构建配电网仿真模型并进行状态转移模拟;③应用于含新能源接入的复杂配电网可靠性定量评估与优化设计; 阅读建议:建议结合文中提供的Matlab代码逐段调试运行,理解状态抽样、故障判断、修复逻辑及指标统计的具体实现方式,同时可扩展至不同网络结构或加入更多不确定性因素进行深化研究。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值