Observability Platforms Overflow: Why There’re More Monitoring Platforms Than ML Models to Monitor? В цю суботу приєднуйтесь до останнього вебінару в цій серії, де ми розглянемо дуже переповнений простір інструментів для LLM моніторингу (їх понад 60!). Ми…

Observability Platforms Overflow: Why There’re More Monitoring Platforms Than ML Models to Monitor?

В цю суботу приєднуйтесь до останнього вебінару в цій серії, де ми розглянемо дуже переповнений простір інструментів для LLM моніторингу (їх понад 60!).

Ми спробуємо багато з них і визначимо, чи відповідають вони всьому тому хайпу навколо!

📅 31 серпня
⏰ 11:30 AM EST

👉 https://kyrylai.com/webinar-observability-platforms-overflow/

Вже в цю суботу - Rust in ML and What Serving Has to Do with This Я неймовірно радий, що на мій наступний вебінар приєднається Maxwell Flitton, інженер в SurrealDB та автор численних книг про Rust! Ми поговоримо про те, як Rust змінює ML, чому це такий big…

Чому всі бенчмарки брешуть

Як ви уже знаєте, я обожнюю драми в індустрії, і одна з останніх стосується TensorFlow/Flax та PyTorch.

В чому суть: команда TensorFlow/Flax створила бенчмарк, який включав PyTorch. Команда PyTorch не погодилася з результатами, тому вони перезапустили бенчмарки та отримали кращі результати.

Цікаво спостерігати за цим публічно. +1 доказ того, що, хоча публічні бенчмарки можуть бути корисними гайдами, але вам завжди слід перевіряти їх самостійно для вашого конкретного випадку.

Оригінальні твіти були видалені,
- https://twitter.com/JeffDean/status/1774638521657196767
- https://twitter.com/soumithchintala/status/1776311683385880983
і я думаю, що обидві команди, яких я вважаю дуже крутими, працюють над публікацією нових, більш узгоджених бенчмарків разом!

Тут сказано про це: https://twitter.com/soumithchintala/status/1776431955845759222

X (formerly Twitter)

Jeff Dean (@🏡) (@JeffDean) on X

Important caveat: I'm told the Pytorch development team hasn't fully vetted these benchmarks yet, so take the native Pytorch results with a grain of salt. I would mostly use these as a comparison of the performance of different backends for Keras.