O'Reilly Media Модели языкового восприятия: Создание VLM с Hugging Face, практическое руководство для ML-инженеров и разработчиков

Модели языка восприятия (VLM) объединяютcomputer vision и обработку естественного языка для создания мощных систем, способных интерпретировать, генерировать и реагировать в мультимодальных контекстах.

Это практическое руководство охватывает полный жизненный цикл применения и разработки VLM, включая генерацию подписей для изображений, понимание документов и более продвинутые стратегии, такие как нулевая индукция и генерация с использованием расширения поиска (RAG).

Книга предназначена для ML-инженеров, научных работников и разработчиков, в ней изложены передовые исследования и практические техники, которые помогут вам подготовить наборы данных, выбрать подходящие архитектуры, откорректировать и развернуть модели, а также применить их в реальных задачах различных отраслей.

Изучите основные архитектуры моделей и техники выравнивания.
Обучите и откорректируйте VLM с Hugging Face и PyTorch.
Разверните модели для применения, такого как поиск изображений и создание подписей.
Реализуйте продвинутые стратегии вывода, от нулевых до агентных систем.
Создайте масштабируемые VLM-системы, готовые к производственному использованию.