0 added
0 removed
Original
2026-01-01
Modified
2026-02-21
1
<p>Любитель научной фантастики и технологического прогресса. Хорошо сочетает в себе заумного технаря и утончённого гуманитария. Пишет про IT и радуется этому.</p>
1
<p>Любитель научной фантастики и технологического прогресса. Хорошо сочетает в себе заумного технаря и утончённого гуманитария. Пишет про IT и радуется этому.</p>
2
<p>Txtai использует машинное обучение для преобразования данных, чтобы создавать приложения с семантическим поиском на базе искусственного интеллекта.</p>
2
<p>Txtai использует машинное обучение для преобразования данных, чтобы создавать приложения с семантическим поиском на базе искусственного интеллекта.</p>
3
Пример работы txtai. Источник:<a>Github</a><p>Версия 4.0 - это мажорное обновление с большим количеством новых фич. Этот релиз добавляет хранилище контента, SQL-очереди, хранилище объектов, переиндексацию, сжатие индексов, внешние векторы и прочие полезные функции.</p>
3
Пример работы txtai. Источник:<a>Github</a><p>Версия 4.0 - это мажорное обновление с большим количеством новых фич. Этот релиз добавляет хранилище контента, SQL-очереди, хранилище объектов, переиндексацию, сжатие индексов, внешние векторы и прочие полезные функции.</p>
4
<p>Контент теперь может быть сохранён вместе с embedding-векторами, которые используются для обучения нейросети. Больше не нужно создавать внешние хранилища данных.</p>
4
<p>Контент теперь может быть сохранён вместе с embedding-векторами, которые используются для обучения нейросети. Больше не нужно создавать внешние хранилища данных.</p>
5
<p>Txtai стал поддерживать запросы для обычного языка и для SQL. Например, ниже представлен код для обоих запросов:</p>
5
<p>Txtai стал поддерживать запросы для обычного языка и для SQL. Например, ниже представлен код для обоих запросов:</p>
6
embeddings.search("feel good story") SELECT id, text, score FROM txtai WHERE similar('feel good story') AND score >= 0.15<p>Бинарные объекты теперь можно хранить вместе с embedding-векторами. Это также упрощает работу разработчиков и обучение нейросети.</p>
6
embeddings.search("feel good story") SELECT id, text, score FROM txtai WHERE similar('feel good story') AND score >= 0.15<p>Бинарные объекты теперь можно хранить вместе с embedding-векторами. Это также упрощает работу разработчиков и обучение нейросети.</p>
7
<p>Индексы можно переписать, используя сохранённый контент. Заново отправлять данные в txtai больше нет необходимости. Ещё индексы можно сжать с помощью GZ/XZ/BZ2/ZIP.</p>
7
<p>Индексы можно переписать, используя сохранённый контент. Заново отправлять данные в txtai больше нет необходимости. Ещё индексы можно сжать с помощью GZ/XZ/BZ2/ZIP.</p>
8
<p>Разработчики могут использовать внешние модели векторов из API или библиотек. Это добавит гибкость в обучение нейросети - например, можно производить вычисления на удалённых серверах.</p>
8
<p>Разработчики могут использовать внешние модели векторов из API или библиотек. Это добавит гибкость в обучение нейросети - например, можно производить вычисления на удалённых серверах.</p>
9
<p>Подробнее познакомиться со всеми обновлениями можно на <a>официальной странице Github</a>, а безопасно протестировать возможности txtai 4.0 - на <a>Google Colab</a>.</p>
9
<p>Подробнее познакомиться со всеми обновлениями можно на <a>официальной странице Github</a>, а безопасно протестировать возможности txtai 4.0 - на <a>Google Colab</a>.</p>
10
<a><b>Бесплатный курс по Python ➞</b>Мини-курс для новичков и для опытных кодеров. 4 крутых проекта в портфолио, живое общение со спикером. Кликните и узнайте, чему можно научиться на курсе. Смотреть программу</a>
10
<a><b>Бесплатный курс по Python ➞</b>Мини-курс для новичков и для опытных кодеров. 4 крутых проекта в портфолио, живое общение со спикером. Кликните и узнайте, чему можно научиться на курсе. Смотреть программу</a>