Restez organisé à l'aide des collections Enregistrez et classez les contenus selon vos préférences. LLM sur Android avec Keras et TensorFlow Lite Revenir au parcours Quel framework permet de convertir le modèle LLM dans un format compatible avec les appareils mobiles ? Keras PyTorch Core ML TensorFlow Lite Quelle est la principale difficulté rencontrée lors du déploiement de grands modèles de langage sur des appareils Android ? Absence de modèles LLM pré-entraînés Difficulté à trouver des ensembles de données adaptés. Puissance de calcul et mémoire limitées Bande passante Internet élevée requise. Quel est l'avantage de quantifier le modèle au cours du processus de conversion ? Elle permet d'effectuer l'entraînement sur un ensemble de données plus volumineux. Cela simplifie l'architecture du modèle. Elle améliore la justesse du modèle. Elle réduit la taille du modèle et améliore la latence. Complétez la phrase Saisissez un ou plusieurs mots pour compléter la phrase. La bibliothèque de haut niveau qui simplifie le développement de modèles de TLN à l'aide de TensorFlow est ___. Comment le guide recommande-t-il de préparer les données textuelles pour le modèle LLM ? convertir les données textuelles en représentations numériques ; Conservez les données textuelles dans leur format brut. Prétraiter les données textuelles en les tokenisant Toutes les réponses ci-dessus Envoyer les réponses error_outline Une erreur s'est produite lors de la notation du quiz. Veuillez réessayer.
