📁 Frameworks
AI generated
TensorFlow 2.18: novità e miglioramenti
TensorFlow 2.18 include supporto per NumPy 2.0, una repository LiteRT, aggiornamenti di CUDA e Hermetic CUDA.
📁 Frameworks
La sezione Frameworks osserva il livello software che trasforma i modelli in sistemi operativi: orchestrazione, pipeline RAG, osservabilita, serving ed evaluation. Trovi aggiornamenti su LangChain, tooling vettoriale, runtime di inferenza e pattern di deployment realmente utili per iterare velocemente senza perdere stabilita. Gli articoli sono selezionati per aiutare scelte architetturali concrete, con collegamenti alla pillar frameworks, alla pillar LLM e ai trend.
📁 Frameworks
AI generated
ML Systems Engineering con TensorFlow
L'articolo esplora le principali linee guida per lo sviluppo di sistemi di Machine Learning efficaci utilizzando TensorFlow.
📁 Frameworks
AI generated
Hybrid Models con vLLM V1
La versione più recente del framework di processamento linguistico naturale (NLP) vLLM introduce la supporto per modelli ibridi, aumentando le prestazioni e riducendo l'utilizzo di memoria. Questo articolo esplora come i modelli ibridi possono essere utilizzati per migliorare i risultati del modello e come la versione V1 di vLLM offre un'esperienza di sviluppo e di testing più completa.
📁 Frameworks
AI generated
Nuovi modelli di codifica e integrazioni integrate
Sono disponibili nuovi modelli di codifica e integrazioni con Ollama's cloud service, facilmente compatibili con le tool che utilizzi. L'ultima versione Qwen3-Coder-30B offre velocità e affidabilità aumentate.
📁 Frameworks
AI generated
TensorFlow 2.19: nuove funzionalità e miglioramenti
La versione 2.19 di TensorFlow introduce cambiamenti significativi nella sua API, tra cui il supporto per la bfloat16 e la fine della pubblicazione di libtensorflow.
📁 Frameworks
AI generated
TensorFlow 2.20: nuove funzionalità e miglioramenti
TensorFlow 2.20 introduce una serie di novità, tra cui la deprecazione del modulo tf.lite e l'introduzione di LiteRT, un nuovo framework per l'inference su dispositivo
📁 Frameworks
AI generated
Implementazione di OpenReg per il Backend di Accelerazione di PyTorch
La documentazione descrive il progetto OpenReg, una implementazione del backend di accelerazione per PyTorch che utilizza il processore CPU come alternativa all'accelerazione hardware, garantendo la stabilità e la affidabilità della piattaforma.