Подборка решений: российский Open Source для ИИ

В новом эпизоде из серии подборок отечественных решений для разработчиков ИИ ICT.Moscow собрал 80 решений в семи категориях, свободно доступных для использования при создании собственных проектов.

Для каждого продукта создана карточка с описанием его ключевых характеристик и контактов команд.

В новой подборке можно найти библиотеки и фреймворки для работы с данными, оптимизации инфраструктуры и качества обучения нейросетей, а также для их сжатия. Последние две проблемы решают и многие из методов. Еще в материале собраны датасеты для визуальных, научных задач, распознавания языка и эмоций.

Помимо этого в ней — архитектуры, платформы, нейросети, бенчмарки.

Вот несколько примеров решений:

• При помощи метода 🏷LLM Microscope возможно заменить смежные блоки слоев модели-трансформера на более простые, тем самым облегчив ее.

• Фреймворк 🏷NNTile поможет в оптимизации вычислений на графических процессорах при обучении больших нейросетей.

• Использование двух алгоритмов — 🏷AQLM и PV-tuning — позволяет уменьшить большую языковую модель в несколько раз без значительной потери качества ответов.

👉🏻 Полная версия подборки

📎 Для удобства ICT.Moscow также подготовил специальную инфографику, которую можно использовать для быстрой навигации по всем описанным решениям. Скачать PDF