#mayhọc — Public Fediverse posts

Giải thích Entropy trong máy học (Phần 2): Hiểu Total Cross Entropy và Loss với ví dụ Python #Entropy #MáyHọc #Python #CrossEntropyLoss #TotalCrossEntropy #MachineLearning #AI

https://dev.to/rijultp/exploring-cross-entropy-part-2-understanding-total-cross-entropy-and-loss-with-a-python-example-5o3

Giải thích Entropy trong máy học (Phần 2): Hiểu Total Cross Entropy và Loss với ví dụ Python #Entropy #MáyHọc #Python #CrossEntropyLoss #TotalCrossEntropy #MachineLearning #AI

https://dev.to/rijultp/exploring-cross-entropy-part-2-understanding-total-cross-entropy-and-loss-with-a-python-example-5o3

Tạo giao diện Web đơn giản & API cho Qwen3-tts kết hợp Nix và uv, hỗ trợ YouTube! Đã kiểm tra trên NixOS – bạn có thể đóng góp ý kiến hoặc cải thiện tại GitHub. Thử khám phá và chia sẻ nhận xét! #AI #VoiceCloning #TríTuệNhânTạo #PhátTriểnPhầnMềm #MáyHọc #NixOS

https://www.reddit.com/r/LocalLLaMA/comments/1qqo8ih/project_made_a_web_ui_for_qwen3tts_voice_cloning/

Tôi đang chạy mô hình QwQ 32B trên LM Studio với lượng hóa 4 bit, tối ưu K/V cache giúp tăng tốc độ xử lý lên 3 lần (40k context thay vì 10k), đồng thời giảm VRAM xuống 19GB/24GB. Tuy nhiên, việc giảm K/V cache xuống 4 bit có ảnh hưởng nhiều đến độ chính xác? Đây là cách tối ưu hiệu quả cho vai trò trò chuyện/role-play với LLM cục bộ. #AI #MáyHọc #LLM #TốiƯuHóa #Quantization #KVTuning

https://www.reddit.com/r/ollama/comments/1qqan74/effects_of_quantized_kv_cache_on_an_already/

Bài đăng: Đang xây dựng máy chủ 8 GPU, đang cân nhắc giữa Radeon R9700 (VRAM lớn, giá rẻ) và RTX 3090 (CUDA, hiệu năng cao) cho công việc xử lý AI. Lo lắng về tình trạng GPU đã qua sử dụng RTX 3090 và khả năng nguồn ROCm. Câu hỏi: ai đã test 2 card này? Nên chọn VRAM+giá rẻ hay CUDA+hiệu năng?
#GPU #AI #R9700 #RTX3090 #OC #CôngNghệ #MáyHọc #NewsVie

https://www.reddit.com/r/LocalLLaMA/comments/1qldsdx/8_radeon_r9700s_vs_8_rtx_3090_2_slot_blower_style/

Dự án Local LLM trên Raspberry Pi 5 với Ollama, chạy mượt các model như EXAONE 3.5 2.4B và Qwen3 1.7B chỉ với 4GB RAM. Thiết lập đầy đủ dễ dàng, phù hợp phát triển trợ lý ảo cục bộ.
#RaspberryPi5 #LocalLLM #Ollama #AI #EdgeComputing #TríTuệNhânTạo #IoT #MáyHọc #AIcựcNhẹ #RaspberryPi

https://www.reddit.com/r/LocalLLaMA/comments/1q4t6v5/raspberry_pi_5_local_llm_project/

Dự án Local LLM trên Raspberry Pi 5 với Ollama, chạy mượt các model như EXAONE 3.5 2.4B và Qwen3 1.7B chỉ với 4GB RAM. Thiết lập đầy đủ dễ dàng, phù hợp phát triển trợ lý ảo cục bộ.
#RaspberryPi5 #LocalLLM #Ollama #AI #EdgeComputing #TríTuệNhânTạo #IoT #MáyHọc #AIcựcNhẹ #RaspberryPi

https://www.reddit.com/r/LocalLLaMA/comments/1q4t6v5/raspberry_pi_5_local_llm_project/

Cập nhật AI nổi bật: Nghiên cứu mới mở nguồn Semantic-Drive giúp xử lý hiệu quả "tối dữ liệu" (dark data) trong lái xe tự động. Hệ thống xây dựng trên RTX 3090, kết hợp YOLO-E & VLM lượng tử hóa (Qwen3-VL, Gemma-27B) qua kiến trúc Judge-Scout, đạt tỷ lệ hồi triệu (recall) 0.966 - vượt CLIP 50% và giảm 51% sai sót. Chi phí ~0.85 USD/1k khung, mở nguồn kèm Benchmark. Tag: #AI #XeTựLài #MáyHọc #LocalLLM #TríTuệNhânTạo #KhoaHọcDữLiệu #MôHìnhLLM

https://www.reddit.com/r/LocalLLaMA/comments/1pplvzz/p

Người dùng gặp vấn đề tốc độ server llama.cpp chỉ bằng 1/2 CLI (30 vs 15 token/giây)? Tham khảo thảo luận cộng đồng để kiểm tra lỗi hoặc tối ưu hiệu năng. #LLaMallama.cpp #AI #SpeedTest #MáyHọc #CôngNghệAI #HiệuNăng

https://www.reddit.com/r/LocalLLaMA/comments/1ppjdc0/llamacpp_server_half_as_fast_as_cli/

Apple giới thiệu SHARP – mô hình tạo 3D chân thực từ 1 ảnh trong vài giây. Công nghệ này chuyển đổi ảnh 2D thành biểu diễn Gaussian 3D photorealistic cực nhanh. #Apple #3D #AI #CôngNghệMới #MáyHọc #SHARP

https://www.reddit.com/r/LocalLLaMA/comments/1poy0lb/apple_introduces_sharp_a_model_that_generates_a/

"Trải nghiệm với AnythingLLM gặp lỗi: mô hình Qwen3-v1-30b-a3b-instruct (32GB GV100, Windows 11, LM Studio 3.35) liệt kê tên tệp nhưng không truy xuất dữ liệu nội dung, chỉ lấy metadata. Đã thử tải lại tệp, giảm temp=0.3 nhưng vẫn bị hallucination. Xin sự hỗ trợ từ cộng đồng! #AI #MáyHọc #AnythingLLM #LỗiPhầnMềm #MôHìnhLLM" (490/500)

https://www.reddit.com/r/LocalLLaMA/comments/1pn5qhf/struggling_with_anythingllm_need_advicehelp/

Tác giả vừa open-source nền tảng nghiên cứu AI Introlix - hỗn hợp giữa GitHub Copilot và Google Docs. Tính năng chính: Bàn nghiên cứu AI hỗ trợ chat/edit, không gian làm việc đồng bộ dữ liệu, nhiều agent AI, và sắp có tính năng định dạng tài liệu tự động. Dự án hiện đang tìm kiếm cộng sự để hoàn thiện và học hỏi.

#AI #MáyHọc #NghiênCứu #MôHìnhTríTuệNhânTạo #CôngCụNghiênCứu #OpenSource #PhátTriểnPhầnMềm #LậpTrình
#ResearchPlatform #LLM #GitHub #StudentDevelop #SideProject

https://www.reddit

Đào tạo mô hình NanoGPT 124m từ đầu chỉ trong 115 phút với card đồ họa 4090 và 1 tỷ token Fineweb! #NanoGPT #AI #MachineLearning #4090 #Fineweb #GPT2 #Training #Model #ArtificialIntelligence #DeepLearning #VietAI #MáyHọc #TríTuệNhânTạo

https://www.reddit.com/r/LocalLLaMA/comments/1ozre2i/nanogpt_124m_from_scratch_using_a_4090_and_a/

Tác giả đã xây dựng **optim-rag** – một công cụ quản lý RAG nhẹ tinh, chỉ xử lý lại dữ liệu khi có thay đổi. Giờ bạn có thể sửa, xóa hoặc thêm nội dung mà không cần reindex toàn bộ. Dù hiện chỉ hỗ trợ Qdrant, dự án đang phát triển để mở rộng cơ sở dữ liệu và tích hợp mô hình cục bộ. Tác giả chia sẻ thử thách về phần cứng (4GB RTX 3050) khi phát triển.

#RAG #AI #MáyHọc #DevTool #VietnameseAI #CôngNghệMới

https://www.reddit.com/r/LocalLLaMA/comments/1oo5yz6/built_a_lightweight_rag_management_t

Có ai đã chạy LLM trên Intel NPU mới không? CPU Core Ultra 7 285V quảng cáo 40+ TOPS; quan tâm mô hình 7–22B (coding). Thấy đề cập IPEX-LLM, chưa rõ NPU có nhanh hơn iGPU không? #AI #LLM #NPU #Intel #CoreUltra7 #IPEXLLM #TríTuệNhânTạo #MayHọc #LapTrinh #ONNX #ML #EdgeAI #DiễnGiải

https://www.reddit.com/r/LocalLLaMA/comments/1omjqhy/has_anyone_been_able_to_run_llms_on_the_new_intel/