مقارنة أطر ضبط دقة الذكاء الاصطناعي: Unsloth وAxolotl وTRL وLLaMA-Factory من حيث السرعة واستخدام ذاكرة الفيديو العشوائية ودعم وحدات معالجة الرسوميات المتعددة
Meta
Unsloth
Hugging Face
LLaMA-Factory (hiyouga)
مقارنة لأطر ضبط دقة نماذج الذكاء الاصطناعي: Unsloth وAxolotl وTRL وLLaMA-Factory. تقيّم المقالة هذه الأطر بناءً على السرعة واستخدام ذاكرة الفيديو العشوائية (VRAM) وقدرات وحدات معالجة الرسوميات المتعددة.
تقارن المقالة أربعة أطر عمل شائعة للضبط الدقيق: Unsloth وAxolotl وTRL وLLaMA-Factory. وتقوم بقياس أدائها بناءً على عوامل مثل سرعة التدريب واستهلاك الذاكرة العشوائية الظاهرية (VRAM) ودعم التدريب على وحدات معالجة رسومية متعددة. يساعد هذا التحليل الممارسين في اختيار الأداة المناسبة لمهام الضبط الدقيق الخاصة بهم.
المصدر: Meta AI (GNews) —
الأصلي