擦除码计算器 
参考硬件 
AI 基于对象存储的真正原因
tl;dr: 在本文中，我们将探讨 AI 工作负载依赖于高性能对象存储的四个技术原因。1. 非结构化数据无限制 在当前的机器学习范式中，性能和能力随着计算能力的扩展而扩展，这实际上是数据集大小和模型大小的代理（神经语言模型的缩放定律，Kaplan 等人）。超
阅读更多...
MinIO 和 Apache Tika：文本提取模式
Tl;dr: 在本文中，我们将使用 MinIO Bucket Notifications 和 Apache Tika 进行文档文本提取，这是大型语言模型 (LLM) 训练和检索增强生成 (RAG) 等关键下游任务的核心。前提假设我想要构建一个文本数据集，然后我可以用它来微调
阅读更多...LLM 的优势、劣势和危险
最近关于大型语言模型 (LLM) 的奇迹已经有很多说法了。这些赞誉大多是应得的。让 ChatGPT 描述广义相对论，你将得到一个非常好的（并且准确的）答案。然而，归根结底，ChatGPT 仍然是一个计算机程序（所有其他 LLM 也是如此），它正在盲目地执行
阅读更多...使用 MinIO 和 YOLO 简化对象检测
Tl;dr: 在本文中，我们将创建一个自定义图像数据集，然后训练一个 You-Only-Look-Once (YOLO) 模型来执行普遍的对象检测任务。然后，我们将实现一个使用 MinIO Bucket Notifications 的系统，该系统可以自动对新图像执行推理。简介：计算机视觉仍然是人工智能的一个极其引人注目的应用。无论是识别
阅读更多...使用 MinIO 和 PyTorch Serve 优化 AI 模型服务
通过利用 MinIO 对象存储的简单性，使您的 AI 模型服务更轻量级。tl;dr MinIO 对象存储可以用作机器学习模型的“单一事实来源”，并且在管理大型语言模型 (LLM) 的更改时，反过来使使用 PyTorch Serve 进行服务变得更高效。与往常一样，示例代码是
阅读更多...