科技猎
立即注册,自主定制私人频道
facebook 开源
本页是关于频道"facebook 开源"的所有博文,按照时间倒序展现。实时更新。
总数
95
第
1/10
页
Facebook吹哨人建言马斯克:推特必须开源才能成为公共广场
i黑马
•
1年前
据报道,Facebook“吹哨人”弗朗西斯·豪根表示,如果埃隆·马斯克想把推特变成公共广场,就应该对其算法开源。马斯克之前曾经讨论过将推特打造成一个数字城镇广场,“以供讨论对人类未来至关重要的事情”。“对埃隆·马斯克来说,要证明他想要打造一个公共广场,最重要的事情之一就是发布算法。”“开源算法。”她补充道,“他会得到更
奇客 Facebook 开源挑战 GPT-3 的语言模型
奇客资讯
•
2年前
OpenAI 的文本生成神经网络 GPT-3 是目前最先进的语言模型之一,使用了 1750 亿个参数,但它至今没有开源,只通过其申请及审核程序提供给学术界和商业实体使用。现在 Meta/Facebook开源了能挑战 GPT-3 的语言模型 Open Pretrained Transformer(OPT-1
奇客 Facebook 开源可扩展文本编辑器库 Lexical
奇客资讯
•
2年前
Facebook开源可扩展文本编辑器库 Lexical,源代码托管在 GitHub 上采用 MIT 许可证。Lexical 的核心是一个文本编辑引擎,一个构建功能丰富的 Web 编辑器平台。Facebook 相信用户不应该在每一个实现中重复编写相同的富文本功能。Lexical 提供了一组模块化包,可用于添加常见功能如列
Facebook 开源平台增长迅速:去年新增 200 多个项目,接近 130 万关注者
砍柴网
•
3年前
来源:IT之家Facebook 的开源平台发布了 2020 年报告,表示其所有开源项目前在 GitHub 的关注者已经接近 130 万。Facebook 开源项目主管 Suraj 表示,有 12.7 万名新开发者为开源项目标注收藏,这代表了全球范围内开源领域的巨大成长。IT 之家获悉,Facebook 多年来致力于为全
有凭有据!先查资料,再答题,Facebook开源检索增强型语言模型,最擅长处理知识密集型任务
雷锋网
•
4年前
无专业背景知识,也可以写出专业文案。这就是NLP可以辅助人类做的事,它通过预训练模型查找相关内容,并解释上下文来完成一系列文本任务。目前,诸如GPT-3等通用NLP模型已经在文本生成领域展现出强大的性能,它表明预训练模型可以在参数中储备大量知识,在执行特定任务时,只需调用和微调即可得到SOTA结果。但这款被称为“暴力美
Facebook开源差分隐私库Opacus,可保护数据隐私且高效训练Prytorch模型
雷锋网
•
4年前
如何保护数据集隐私,是深度学习训练必须要解决的问题之一。近日,Facebook开源了一个名为Opacus的高速库,该库可用于训练具有差分隐私的PyTorch模型。差分隐私(Differential Privacy ,简称DP)是保护数据集隐私的重要工具。在此之前,谷歌、微软等也陆续开源了其核心产品使用的差分隐私库。
让机器像人一样听音乐,Facebook AI 开源Demucs项目
雷锋网
•
4年前
音乐源分离,是利用技术将一首歌曲分解成它的组成成分,如人声、低音和鼓。这和人类大脑的工作很类似,大脑可以将一个单独的对话,从周围的噪音和一屋子的人聊天中分离出来。如果你拥有原始的录音室多轨录音,这很容易实现,你只需调整混音来分离一个音轨。但是,如果你从一个普通MP3音频文件开始,所有的乐器和声音都被混合到一个立体声录音
Facebook开源最大规模并行语料,45亿规模
砍柴网
•
4年前
雷锋网AI 科技 评论按:当前自然语言处理中的大多数方法都是数据驱动的,大多数多语言模型(特别是神经机器翻译系统)都需要并行语料库进行训练。大多数的并行文本都只是适用于几个主要语言(例如英语、汉语),且限制于特定的领域。 为了解决这一问题,在去年七月份,Facebook曾发布了第一个系统处理Wik
Facebook开源最大规模并行语料,45亿规模
网易科技
•
4年前
(原标题:Facebook开源最大规模并行语料,45亿语料,覆盖576种语言对)雷锋网AI科技评论按:当前自然语言处理中的大多数方法都是数据驱动的,大多数多语言模型(特别是神经机器翻译系统)都需要并行语料库进行训练。大多数的并行文本都只是适用于几个主要语言(例如英语、汉语),且限制于特定的领域。为了解决这一问题,在去年
Facebook开源最大规模并行语料,45亿语料,覆盖576种语言对
雷锋网
•
4年前
雷锋网AI科技评论按:当前自然语言处理中的大多数方法都是数据驱动的,大多数多语言模型(特别是神经机器翻译系统)都需要并行语料库进行训练。大多数的并行文本都只是适用于几个主要语言(例如英语、汉语),且限制于特定的领域。为了解决这一问题,在去年七月份,Facebook曾发布了第一个系统处理Wikipedia上所有语言(包括
提交建议
微信扫一扫,分享给好友吧。