Skip to main content

黑洞资源笔记

黑洞资源笔记
黑洞资源笔记

  1. Uber新发了一篇技术博客，介绍了他们如何重构微服务的持续部署，以提高部署自动化和微服务管理的用户体验。| blog

    Uber的业务依赖于众多微服务，这些服务的持续部署对于确保新功能、库更新和安全补丁能够及时、安全地交付至生产环境至关重要。文章分享了Uber如何重构微服务的持续部署，以提高部署自动化和微服务管理的用户体验，同时解决了大型单一仓库（monorepo）中不断增长的提交量所带来的挑战。

  3. 一款全自动视频翻译的 AI 工具：VideoLingo | #工具

    能够一键全自动对视频进行字幕切割、翻译、精准对齐和个性化配音，最终生成 Netifx 级别的字幕和配音。

    具有如下特点：

    - 使用 NLP 和 LLM 进行字幕分割；
    - 智能术语知识库，实现上下文感知翻译；
    - 三步翻译过程：直接翻译 - 反思 - 改进；
    - 精确的单词级字幕对齐；
    - 使用 GPT-SoVits 克隆音色并生成高质量的配音。
    Media is too big
    VIEW IN TELEGRAM

  7. Liger-Kernel：为大型语言模型训练设计的高效 Triton 内核，通过一行代码提升模型性能，降低内存使用，支持更长上下文长度、更大批量大小和庞大词汇量

    主要特点
    易于使用：只需用一行代码修补您的 Hugging Face 模型，或者使用我们的 Liger Kernel 模块组成您自己的模型。
    时间和内存效率高：与 Flash-Attn 秉承同样的精神，但适用于RMNSNorm、RoPE、SwiGLU和CrossEntropy等层！通过内核融合、就地替换和分块技术，可将多 GPU 训练吞吐量提高 20%，并将内存使用量降低 60% 。
    精确：计算精确——无近似值！前向和后向传递均通过严格的单元测试实现，并在没有 Liger Kernel 的情况下针对训练运行进行收敛测试，以确保准确性。
    轻量级： Liger Kernel 的依赖性极小，只需要 Torch 和 Triton — 无需额外的库！告别依赖性烦恼！
    支持多 GPU：兼容多 GPU 设置（PyTorch FSDP、DeepSpeed、DDP 等）。

    目标受众
    研究人员：寻求使用高效可靠的内核为前沿实验构建模型。
    ML 从业者：专注于通过最佳、高性能内核最大化 GPU 训练效率。
    新手：渴望学习如何编写可靠的 Triton 内核以提高训练效率。

  11. 一款专注于文生图数据集构建和管理的高效工具，提供安全、易用、远程访问的用户界面，支持大型数据集的快速编辑和标注优化

    特点
    安全：Waifuset 在操作过程中，不会修改数据集中的任何图像文件，确保数据的完整性和安全。
    高效：大部分编辑操作在 Waifuset 中都非常高效，能够轻松处理十万乃至百万量级的大型数据集。
    易用：UI 设计简洁直观，即使是复杂操作也可以轻松一键完成。
    远程访问：通过 Web 服务进行访问，支持在本地或云服务器上部署和访问。
    UI 交互：Waifuset 的所有操作都通过用户界面完成，即使是没有编程背景的用户也能轻松上手。

    局限性
    基于标签的标注：Waifuset 假设所有的标注都是以英文逗号分隔的标签形式，而非自然语言描述。所有的标注编辑操作都将严格遵循这一格式。
    专注于 Danbooru 标签：Waifuset 的标注优化算法主要面向 Danbooru 标签系统，不支持其他类型的标签体系。
    标注专用：该工具主要用于编辑图像标注，而非图像本身。不包含图像编辑和文件系统功能。

    Waifuset | #工具