Versión 9.0 de Clarifai

Comunidad Clarifai

Publicada la plantilla de clasificación de texto HuggingFace

La plantilla de clasificación de texto HuggingFace ahora está disponible para los usuarios. Puede usar la plantilla de modelo de clasificador de texto preconfigurada para entrenar con sus datos y mejorar la precisión de sus resultados.

Para usar la plantilla, cuando cree un modelo, elija Text Classifier > Template > Seleccione “HuggingFace”.

La clasificación de texto es una tarea común de NLP que asigna una etiqueta o clase al texto. Algunas de las empresas más grandes ejecutan la clasificación de texto en producción para una amplia gama de aplicaciones prácticas. Una de las formas más populares de clasificación de texto es el análisis de sentimientos, que asigna una etiqueta como 🙂 positivo, 🙁 negativo o 😐 impartial a una secuencia de texto.

Publicó el modelo silent-face-anti-spoofing

El modelo de detección anti-suplantación de rostro silencioso se utiliza para determinar si el rostro en una imagen es un intento de suplantación de identidad o no.

Está diseñado para evitar que las personas engañen los sistemas de identificación facial, como los que se utilizan para desbloquear teléfonos o acceder a ubicaciones seguras. Esto se logra a través de un proceso llamado “vida” o “anti-spoofing” que juzga si la cara presentada es genuina o no.

El rostro presentado por otros medios se puede definir como falso: impresiones fotográficas de rostros, rostros en pantallas de teléfonos, máscaras de silicona, imágenes humanas en 3D, and so on. Este modelo genera tres conceptos:

Hizo importantes cambios de rediseño en las páginas de listado

¡Hemos realizado importantes mejoras en la apariencia de Clarifai Neighborhood! Hay un aspecto completamente nuevo al navegar por las páginas de lista de modelos y flujos de trabajo, hemos agregado nuevos diseños y colores para los íconos de modelos y flujos de trabajo, y ahora puede verlos en modo de lista o cuadrícula.

En lista vista:

Y en pink vista:

También hemos mejorado la capacidad de respuesta de las páginas para su visualización en dispositivos móviles:

Mejoras en el panel de uso

Reemplazamos “Entradas almacenadas” con “Entradas promedio almacenadas” y ahora lo calculamos como un promedio, no como el complete. También agregamos la palabra “Complete” a “Horas de capacitación” y “Recuento de operaciones”. Ahora se denominan “Horas totales de capacitación” y “Recuento complete de operaciones”, respectivamente.

Se agregó información sobre herramientas a los iconos de la barra lateral plegable.

Algunos de los menús tienen barras laterales plegables; en la vista contraída en la barra lateral izquierda, los elementos del menú están ocultos y solo quedan los íconos. Ahora hemos agregado una ventana emergente flotante del mismo texto que ocultamos para ayudar a los usuarios a comprender para qué sirve cada elemento del menú.

Dejó de mostrar nombre y apellido en perfiles públicos

Los perfiles públicos muestran el nombre de un usuario si es su propia cuenta, si es un colaborador de su aplicación o si es parte de su organización. De lo contrario, solo muestra el nombre de la cuenta.

Corrección de errores de la comunidad y el portal

• Se solucionó un problema por el cual los nombres de los colaboradores se mostraban como “indefinidos” en varios lugares. Los nombres de los colaboradores de la aplicación ahora se muestran como se desea sin ningún problema.
  
• Se solucionó un problema por el cual la barra lateral izquierda plegable a veces no mostraba todos los elementos del menú a menos que se recargara la página. Todos los elementos de la barra lateral ahora se muestran como se desea.
• Se solucionó un problema por el cual los elementos del encabezado no se mostraban correctamente en los dispositivos móviles. Los elementos de la barra de navegación superior ahora se muestran correctamente en pantallas pequeñas.
  
• Se solucionó un problema por el que la edición de los parámetros de un modelo no mostraba los parámetros originales adecuados. Anteriormente, si intentaba editar un modelo para ver o cambiar sus parámetros, podía encontrar que algunos de ellos tenían valores predeterminados, incluso si los configuró de manera diferente durante la creación del modelo. Este no es el caso actualmente, ya que se reflejan los parámetros originales adecuados.

Editor de flujo de trabajo

Se realizaron mejoras para renderizar dinámicamente los diseños de los flujos de trabajo.

El editor de flujo de trabajo ahora puede interpretar una definición de gráfico de flujo de trabajo completa y calcular dinámicamente las coordenadas bidimensionales adecuadas para cada uno de los nodos en el gráfico.

API

Introdujo el paquete Python Utils

Ahora puede usar la colección de funciones y clases pequeñas de Python para acortar y simplificar los patrones comunes al interactuar con nuestra API.

Exclusión de algunos campos de las respuestas de predicción PostModelOutputs y PostWorkflowResults

• Al usar el PostModelOutputs punto last o el Resultados posteriores al flujo de trabajo endpoint para realizar una llamada de predicción, se incluye toda la información del modelo, incluidos todos los hiperparámetros, para cada salida en la respuesta. Esto es extremadamente detallado y también innecesario, ya que la misma información aparece repetidamente a lo largo de la respuesta. También afecta el uso de la pink, la facilidad de visualización y procesamiento de los resultados y la depuración por parte del usuario, y otras actuaciones.
• La descripción del modelo, las notas y los campos de información del modelo relacionados deben excluirse de PostModelOutputs y Resultados posteriores al flujo de trabajo respuestas de predicción. Los ID del modelo y de la versión del modelo todavía están disponibles en las respuestas. Si necesita más información del modelo que la disponible en cualquiera de las respuestas, puede buscar la información por identificación del modelo usando el ObtenerModelo punto last

Actualizaciones críticas para el modelo y los puntos finales de la versión del modelo (20 de enero de 2023)

Comportamiento antiguo

• Previamente, usando el PostModelos endpoint para crear un nuevo modelo también creó una versión de marcador de posición del modelo con campos proporcionados por el usuario. y si el model_type_id del modelo period entrenable, luego se creó un nuevo ModelVersion con el estado SIN ENTRENAMIENTO de forma predeterminada. De lo contrario, si el model_type_id no se podía entrenar, se creó una nueva ModelVersion con el estado TRAINED.
• Modificar los ajustes de configuración de un modelo requiere usar el Modelos de parches punto last Es cómo cambió previamente los campos de información, descripciones, notas, metadatos para modelos y versiones de modelos. Si solo estaba parcheando campos que son informativos sobre el modelo, y no la versión del modelo, no se creó una versión del modelo. Si estaba parcheando un modelo entrenable en el que se entrenó la última versión del modelo y solo estaba cambiando el output_info, se creó una nueva versión del modelo entrenado con la nueva información. De lo contrario, si estaba parcheando un modelo entrenable en el que no se había entrenado la última versión del modelo, la versión del modelo creado se marcaba como no entrenada de forma predeterminada. Si estaba parcheando un tipo de modelo que no se podía entrenar, la nueva versión del modelo creada se marcaba como entrenada.
• Previamente, usando el PostModel Versiones endpoint automáticamente, de forma predeterminada, inició el entrenamiento de la última versión del modelo no entrenado, aunque es posible que un usuario no tenga la intención de entrenar la última versión, lo que podría incurrir en costos de entrenamiento innecesariamente.
• Previamente, usando el PatchModelVersiones endpoint solo parchó la visibilidad, los metadatos, la licencia o la descripción de las versiones del modelo, mientras mantenía el estado de la versión del modelo.

Nuevo comportamiento

• PostModelos creará nuevos modelos pero no creará nuevas versiones de modelos. Esto significa que los modelos entrenables que aún no han sido entrenados requerirán el paso adicional de llamar PostModel Versiones—mientras proporciona la *_info campos en la versión del modelo—para efectuar el entrenamiento.
• PostModel Versiones permitirá a los usuarios dar información específica de una versión del modelo. Todos *_info campos, tales como output_info, input_info, train_infoy import_info: se migrará al punto last. Esto minimizaría la confusión y la dificultad de mantener estos puntos finales. Los usuarios podrán parchear campos específicos del modelo sin preocuparse de que los campos de la versión del modelo se vean afectados.
• Modelos de parches permitirá a los usuarios parchear solo los campos de nivel de modelo, nada en la versión del modelo. Ya no se crearán versiones de modelo innecesarias. Esto permite a los usuarios rastrear fácilmente las versiones persistentes.
• PatchModelVersiones será la nueva forma de cambiar la mayoría de los campos de versión del modelo, como gettable, metadatos, licencia, descripción, notas y output_info (sin incluir conceptos).

Correcciones de API

• Se solucionó un problema cuando la API recibía máscaras decodificadas en Base64. Anteriormente, si proporcionaba una máscara Base64 a través de una solicitud HTTP, no se podía crear. Ahora funciona como se esperaba.