![](\"https:\/\/oaidalleapiprodscus.blob.core.windows.net\/private\/org-PXteLUy4B6mslwRon6h7ri9z\/user-0jfma6aPNvZyLXZUbw4CmvZG\/img-SkVnnrqTffEsLxEJRcXwpTL6.png?st=2024-06-30T10%3A10%3A24Z&se=2024-06-30T12%3A10%3A24Z&sp=r&sv=2023-11-03&sr=b&rscd=inline&rsct=image\/png&skoid=6aaadede-4fb3-4698-a8f6-684d7786b067&sktid=a48cca56-e6da-484e-a814-9c849652bcb3&skt=2024-06-30T02%3A03%3A15Z&ske=2024-07-01T02%3A03%3A15Z&sks=b&skv=2023-11-03&sig=X1%2BdkNjI4cYvdkeu77uCMMk\/akPelCh5v9mnbbALvZs%3D\")
<\/p>\n<\/p>\n
Hugging Face a r\u00e9cemment annonc\u00e9 la sortie de la version 4.42 de sa biblioth\u00e8que Transformers, apportant de nombreuses nouvelles fonctionnalit\u00e9s. Parmi celles-ci figurent l’introduction de mod\u00e8les avanc\u00e9s comme Gemma 2, RT-DETR, InstructBlip et LLaVa-NeXT-Video. Gemma 2, d\u00e9velopp\u00e9 par l’\u00e9quipe de Google, se distingue par ses performances exceptionnelles gr\u00e2ce \u00e0 ses 2 et 7 milliards de param\u00e8tres. RT-DETR, quant \u00e0 lui, permet une d\u00e9tection d’objets en temps r\u00e9el, profitant de l’architecture transformer pour plus de pr\u00e9cision.<\/p>\n
InstructBlip am\u00e9liore les interactions entre le texte et les images, gr\u00e2ce \u00e0 l’architecture BLIP-2, afin d’optimiser les t\u00e2ches n\u00e9cessitant une compr\u00e9hension visuelle et textuelle. De son c\u00f4t\u00e9, LLaVa-NeXT-Video int\u00e8gre des ensembles de donn\u00e9es vid\u00e9o et image, facilitant ainsi l’analyse de contenu vid\u00e9o sans besoin d’entra\u00eenement pr\u00e9alable.<\/p>\n
La version 4.42 am\u00e9liore \u00e9galement le support des outils et la g\u00e9n\u00e9ration augment\u00e9e par r\u00e9cup\u00e9ration (RAG), avec la g\u00e9n\u00e9ration automatique de descriptions JSON pour les fonctions Python. Le support de fine-tuning GGUF permet d’optimiser et de d\u00e9ployer des mod\u00e8les dans des environnements divers. Les am\u00e9liorations de quantisation r\u00e9duisent la consommation de m\u00e9moire requise pour les mod\u00e8les g\u00e9n\u00e9ratifs, rendant leur utilisation plus efficace.<\/p>\n
De plus, la mise \u00e0 jour inclut de nouveaux exemples de segmentation d’instances, des corrections de bugs et des optimisations, ainsi que la suppression de composants obsol\u00e8tes. En somme, Transformers 4.42 confirme la position de Hugging Face en t\u00eate de file dans le domaine du NLP et du machine learning, gr\u00e2ce \u00e0 ses avanc\u00e9es techniques et sa capacit\u00e9 \u00e0 int\u00e9grer des fonctionnalit\u00e9s innovantes. Cette version permet ainsi de r\u00e9pondre aux besoins des chercheurs et des d\u00e9veloppeurs en mati\u00e8re d’intelligence artificielle et d’apprentissage automatique.<\/p>\n","protected":false},"excerpt":{"rendered":"
Hugging Face a r\u00e9cemment annonc\u00e9 la sortie de la version 4.42 de sa biblioth\u00e8que Transformers, apportant de nombreuses nouvelles fonctionnalit\u00e9s. Parmi celles-ci figurent l’introduction de mod\u00e8les avanc\u00e9s comme Gemma 2, RT-DETR, InstructBlip et LLaVa-NeXT-Video. Gemma 2, d\u00e9velopp\u00e9 par l’\u00e9quipe de Google, se distingue par ses performances exceptionnelles gr\u00e2ce \u00e0 ses 2 et 7 milliards de […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-174","post","type-post","status-publish","format-standard","hentry","category-uncategorized"],"yoast_head":"\n