- 具有開源訓練和推理框架的高效LM系列
- 性能與OLMo相當，同時需要的預訓練令牌減少2倍
CoreNet是一個深度神經網絡工具包，允許研究人員和工程師為各種任務訓練標準和新穎的小型和大型模型，包括基本模型（例如CLIP和LLM）、對象分類、對象檢測和語義分割。
蘋果使用CoreNet的研究工作
以下是使用CoreNet的蘋果出版物列表。此外，還可以在項目文件夾中找到培訓和評估方法以及預訓練模型的連結。更多詳情請參閱。
OpenELM：具有開放訓練和推理框架的高效語言模型家族
CatLIP：CLIP級視覺識別準確率，網絡規模圖像和文本數據預訓練速度提高2.7倍
強化數據以增強影響：通過數據集增強提高模型準確性和穩健性
CLIP會見模型動物園專家：視覺增強的偽監督
FastVit：使用結構重新參數化的快速混合視覺Transformer
您只需要字節：直接對文件字節進行操作的轉換器
ALEOne：改進的一毫秒移動主幹網絡
RangeAugment：通過範圍學習進行高效在線增強
移動視覺轉換器的可拆卸自我注意力（ALEViTv 2）
CVNets：計算機視覺高性能庫，ACN MM ' 22
MobileViT：輕量級、通用和移動終端視覺轉換器，ICLR'22
如果您想了解更多信息，可以單擊視頻下方的連結。
感謝您觀看此視頻。如果您喜歡，請訂閱並點讚。謝謝
倉庫： https://github.com/apple/corenet
高頻： https://huggingface.co/apple/OpenELM
腹肌： https://arxiv.org/abs/2404.14619
視頻：