Поиск.
Найдено: 0 моделей и 20 материалов
Материалы
Как обработать большой поток отзывов пакетами в Transformers без переполнения памяти
batch_size, потоковый источник и честный замер производительности: сохраняем соответствие входов и выходов и тестируем OOM.
Как определить тональность отзыва через Transformers pipeline и проверить ошибочные метки
Практика text-classification для англоязычных отзывов: явная модель, оценки уверенности, проверка отрицаний и схема ручной приёмки.
Как разметить темы заявок без обучения через zero-shot-classification в Transformers
Candidate labels, hypothesis_template и multi_label: размечаем англоязычные обращения без обучения новой головы и проверяем ошибочные категории.
Как собрать имена и организации из текста через Transformers NER без разорванных токенов
Token classification и aggregation_strategy=simple: выделяем сущности с offsets, сверяем фрагменты оригинала и не публикуем сырые догадки.
Как извлечь ответ из заданного текста через Transformers question-answering
Контекст, вопрос и контроль отсутствующего ответа: извлекаем span из документа, проверяем offsets и не принимаем догадку за факт.
Как оформить диалог для локальной LLM через apply_chat_template в Transformers
Роли user и assistant, add_generation_prompt и защита от двойных спецтокенов: проверяем входной шаблон перед генерацией.
Как создать text_embedding ingest pipeline в OpenSearch
Автоматическая генерация embeddings при ingest: deployed model_id, field_map, default_pipeline, dimension, simulate и контроль ошибок.
Как найти релевантный фрагмент через semantic_search в Sentence Transformers
Кодируем вопрос и документы, связываем corpus_id с текстом, проверяем top_k и строим отказ при отсутствии подходящего источника.
Как не потерять конец текста при truncation и padding в Transformers
max_length, truncation и padding для пары сообщений: проверяем, что юридически важная оговорка не исчезает до вызова модели.
Как ограничить длину генерации в Transformers через max_new_tokens и проверить результат
Граница новых токенов против общей длины входа, детерминированный тест и контроль обрезанного ответа на локальной instruct-модели.
Как запускать Transformers без интернета через локальные файлы модели
Заранее сохраняем модель и токенизатор, проверяем local_files_only и HF_HUB_OFFLINE, не обещая работу при отсутствующих весах.
Как загрузить большой датасет в LanceDB без переполнения памяти
Потоковая загрузка LanceDB через table.add, PyArrow Dataset и RecordBatch iterator, manifest, parallel writes и сверка количества строк.
Как загрузить большой датасет в Qdrant через upload_points
Массовая загрузка Qdrant Python client: генератор batches, upload_points, parallel, max_retries, стабильные ID, отключение индексации на загрузке и сверка count.
Как обработать параллельные tool calls Together AI без путаницы результатов
Несколько вызовов одной или разных функций: уникальные call ID, ограниченный fan-out, независимые таймауты и правильный возврат результатов модели.
Как получить и проверить embedding текста в Sentence Transformers
Генерируем векторы для нескольких предложений, проверяем форму массива, версию модели, язык и сохранение связи с исходной строкой.
Как выбрать cosine или dot для нормализованных embeddings в Sentence Transformers
Проверяем единичную норму, сопоставляем две метрики и понимаем, когда dot меняет ранжирование: таблица проверяемых сценариев.
Как импортировать большой датасет в Milvus через Bulk Import
Подготовка файлов для Milvus Bulk Import, object storage, import job, статусы, schema mapping, manifest и проверка количества данных.
Как импортировать большой датасет в Pinecone из object storage
Bulk import из S3, GCS или Azure Blob: serverless index, storage integration, Parquet или JSONL, директории namespaces, error_mode и polling.
Как обработать пакет запросов через OpenAI Batch API и сверить результаты
Как подготовить JSONL для Batch API, связать ответы с исходными строками, обработать ошибки и проверить выборку.
Как загрузить embeddings в Redis через pipeline и не потерять документы
Redis JSON и redis-py pipeline: стабильные ключи, проверка EXEC, FLOAT32, manifest, FT.INFO и безопасный повтор загрузки.