# مثال حديقة الحيوان

تحتوي القائمة أدناه على قائمة غير شاملة من الشروحات والسكربتات التي تُبرز Accelerate.

## أمثلة Accelerate الرسمية:

### أمثلة أساسية

تُبرز هذه الأمثلة الميزات الأساسية لـ Accelerate وتُعد نقطة انطلاق رائعة

- [مثال مبسط لمعالجة اللغة الطبيعية](https://github.com/huggingface/accelerate/blob/main/examples/nlp_example.py)
- [مثال مبسط لمعالجة اللغة الطبيعية الموزعة في دفتر Jupyter](https://github.com/huggingface/notebooks/blob/main/examples/accelerate_examples/simple_nlp_example.ipynb)
- [مثال بسيط لرؤية الحاسوب](https://github.com/huggingface/accelerate/blob/main/examples/cv_example.py)
- [مثال مبسط لرؤية الحاسوب الموزعة في دفتر Jupyter](https://github.com/huggingface/notebooks/blob/main/examples/accelerate_examples/simple_cv_example.ipynb)
- [استخدام Accelerate في Kaggle](https://www.kaggle.com/code/muellerzr/multi-gpu-and-accelerate)

### أمثلة محددة لكل ميزة

تُبرز هذه الأمثلة ميزات محددة يوفرها إطار عمل Accelerate

- [تراكم التدرجات الواعي بالذاكرة تلقائيًا](https://github.com/huggingface/accelerate/blob/main/examples/by_feature/automatic_gradient_accumulation.py)
- [حفظ حالات نقاط التفتيش](https://github.com/huggingface/accelerate/blob/main/examples/by_feature/checkpointing.py)
- [التحقق المتقاطع](https://github.com/huggingface/accelerate/blob/main/examples/by_feature/cross_validation.py)
- [DeepSpeed](https://github.com/huggingface/accelerate/blob/main/examples/by_feature/deepspeed_with_config_support.py)
- [التوازي الكامل للبيانات المجزأة](https://github.com/huggingface/accelerate/blob/main/examples/by_feature/fsdp_with_peak_mem_tracking.py)
- [تراكم التدرجات](https://github.com/huggingface/accelerate/blob/main/examples/by_feature/gradient_accumulation.py)
- [محدد حجم الدفعة الواعي بالذاكرة](https://github.com/huggingface/accelerate/blob/main/examples/by_feature/memory.py)
- [حساب المقاييس](https://github.com/huggingface/accelerate/blob/main/examples/by_feature/multi_process_metrics.py)
- [استخدام المسارات](https://github.com/huggingface/accelerate/blob/main/examples/by_feature/tracking.py)
- [استخدام Megatron-LM](https://github.com/huggingface/accelerate/blob/main/examples/by_feature/megatron_lm_gpt_pretraining.py)

### أمثلة كاملة 

تُظهر هذه الأمثلة كل ميزة في Accelerate دفعة واحدة، كما وُضحت في "أمثلة محددة لكل ميزة"

- [مثال كامل لمعالجة اللغة الطبيعية](https://github.com/huggingface/accelerate/blob/main/examples/complete_nlp_example.py)
- [مثال كامل لرؤية الحاسوب](https://github.com/huggingface/accelerate/blob/main/examples/complete_cv_example.py)
- [مثال كامل وقابل للتوسعة على نطاق واسع لرؤية الحاسوب، يُبرز استخدام SLURM وhydra، بالإضافة إلى استخدام قابل للتوسعة للغاية للإطار](https://github.com/yuvalkirstain/PickScore)
- [مثال على ضبط نموذج اللغة السببي](https://github.com/huggingface/transformers/blob/main/examples/pytorch/language-modeling/run_clm_no_trainer.py)
- [مثال على ضبط نموذج اللغة المقنّع](https://github.com/huggingface/transformers/blob/main/examples/pytorch/language-modeling/run_mlm_no_trainer.py)
- [مثال على التدريب المسبق للكلام](https://github.com/huggingface/transformers/blob/main/examples/pytorch/speech-pretraining/run_wav2vec2_pretraining_no_trainer.py)
- [مثال على الضبط الدقيق للترجمة](https://github.com/huggingface/transformers/blob/main/examples/pytorch/translation/run_translation_no_trainer.py)
- [مثال على ضبط نموذج تصنيف النصوص](https://github.com/huggingface/transformers/blob/main/examples/pytorch/text-classification/run_glue_no_trainer.py)
- [مثال على الضبط الدقيق للتجزئة الدلالية](https://github.com/huggingface/transformers/blob/main/examples/pytorch/semantic-segmentation/run_semantic_segmentation_no_trainer.py)
- [مثال على الضبط الدقيق للإجابة على الأسئلة](https://github.com/huggingface/transformers/blob/main/examples/pytorch/question-answering/run_qa_no_trainer.py)
- [مثال على الضبط الدقيق للإجابة على الأسئلة باستخدام البحث الحزامي](https://github.com/huggingface/transformers/blob/main/examples/pytorch/question-answering/run_qa_beam_search_no_trainer.py)
- [مثال على ضبط النموذج للإجابة على أسئلة الاختيار من متعدد](https://github.com/huggingface/transformers/blob/main/examples/pytorch/multiple-choice/run_swag_no_trainer.py)
- [مثال على ضبط النموذج الدقيق للتعرف على الكيانات المسمّاة](https://github.com/huggingface/transformers/blob/main/examples/pytorch/token-classification/run_ner_no_trainer.py)
- [مثال على ضبط نموذج تصنيف الصور](https://github.com/huggingface/transformers/blob/main/examples/pytorch/image-classification/run_image_classification_no_trainer.py)
- [مثال على الضبط الدقيق للتلخيص](https://github.com/huggingface/transformers/blob/main/examples/pytorch/summarization/run_summarization_no_trainer.py)
- [أمثلة شاملة من البداية إلى النهاية حول كيفية استخدام تكامل AWS SageMaker مع Accelerate](https://github.com/huggingface/notebooks/blob/main/sagemaker/22_accelerate_sagemaker_examples/README.md)
- [أمثلة Megatron-LM لمهام معالجة اللغة الطبيعية المختلفة](https://github.com/pacman100/accelerate-megatron-test)

## أمثلة على التكامل 

هذه شروحات من مكتبات تتكامل مع Accelerate:

> هل لم تجد تكاملك هنا؟ أنشئ طلب سحب (PR) لإضافته!

### Amphion
- [تدريب نماذج تحويل النص إلى كلام باستخدام Amphion](https://github.com/open-mmlab/Amphion/blob/main/egs/tts/README.md)
- [تدريب نماذج تحويل الصوت الغنائي باستخدام Amphion](https://github.com/open-mmlab/Amphion/blob/main/egs/svc/README.md)
- [تدريب مُنشِّئات الصوت باستخدام Amphion](https://github.com/open-mmlab/Amphion/blob/main/egs/vocoder/README.md)

### Catalyst

- [دليل التدريب الموزّع باستخدام Catalyst](https://catalyst-team.github.io/catalyst/tutorials/ddp.html)

### DALLE2-pytorch 

- [ضبط DALLE2](https://github.com/lucidrains/DALLE2-pytorch#usage)

### Diffusers

- [تنفيذ عكس النصي باستخدام diffusers](https://github.com/huggingface/diffusers/tree/main/examples/textual_inversion)
- [تدريب DreamBooth باستخدام diffusers](https://github.com/huggingface/diffusers/tree/main/examples/dreambooth)

### fastai 

- [التدريب الموزّع من Jupyter Notebooks باستخدام fastai](https://docs.fast.ai/tutorial.distributed.html)
- [أمثلة أساسية للتدريب الموزّع باستخدام fastai](https://docs.fast.ai/examples/distributed_app_examples.html)

### GradsFlow

- [التصنيف التلقائي للصور باستخدام GradsFlow](https://docs.gradsflow.com/en/latest/examples/nbs/01-ImageClassification/)

### imagen-pytorch 

- [ضبط نموذج Imagen](https://github.com/lucidrains/imagen-pytorch#usage)

### Kornia

- [ضبط نماذج الرؤية باستخدام مُدرِّب Kornia](https://kornia.readthedocs.io/en/latest/)

### PyTorch المُسرَّع 

- [دليل البدء السريع لتدريب موزّع باستخدام PyTorch Accelerated](https://pytorch-accelerated.readthedocs.io/en/latest/quickstart.html)

### PyTorch3D

- [تنفيذ التعلم العميق مع بيانات ثلاثية الأبعاد](https://pytorch3d.org/tutorials/)

### Stable-Dreamfusion

- [التدريب باستخدام Stable-Dreamfusion لتحويل النص إلى نموذج ثلاثي الأبعاد](https://colab.research.google.com/drive/1MXT3yfOFvO0ooKEfiUUvTKwUkrrlCHpF?usp=sharing)

### Tez 

- [كشف أمراض الأوراق باستخدام Tez و Accelerate](https://www.kaggle.com/code/abhishek/tez-faster-and-easier-training-for-leaf-detection/notebook)

### trlx 

- [كيفية تنفيذ مهمة تعلّم المشاعر باستخدام trlx](https://github.com/CarperAI/trlx#example-how-to-add-a-task)

### Comfy-UI

- [تمكين استخدام نماذج Stable Diffusion الكبيرة في إعدادات ذاكرة منخفضة باستخدام Accelerate](https://github.com/comfyanonymous/ComfyUI/blob/master/comfy/model_management.py#L291-L296)

## في العلوم

تحتوي القائمة أدناه على قائمة غير شاملة للأوراق البحثية التي تستخدم Accelerate.

> لا تجد ورقتك البحثية هنا؟ أنشئ طلب سحب (PR) لإضافتها!

* يوفال كيرستاين، آدم بولياك، يورييل زينغر، شاهبولاند ماتيانا، جو بينا، أومير ليفي: “بيك-أ-بيك: مجموعة بيانات مفتوحة لتفضيلات المستخدمين لتوليد الصور من النص”، 2023؛ [arXiv:2305.01569](http://huggingface.co/papers/2305.01569).
* لي وانغ، وان يو شيو، ييهواي لان، تشي تشيانغ هو، يون شي لان، روي كا-وي لي، إي-بينغ ليم: “Plan-and-Solve Prompting: Improving Zero-Shot Chain-of-Thought Reasoning by Large Language Models”، 2023؛ [arXiv:2305.04091](http://huggingface.co/papers/2305.04091).
* Arthur Câmara، Claudia Hauff: “Moving Stuff Around: A study on efficiency of moving documents into memory for Neural IR models”، 2022؛ [arXiv:2205.08343](http://huggingface.co/papers/2205.08343).
* Ying Sheng, Lianmin Zheng, Binhang Yuan, Zhuohan Li, Max Ryabinin, Daniel Y. Fu, Zhiqiang Xie, Beidi Chen, Clark Barrett, Joseph E. Gonzalez, Percy Liang, Christopher Ré, Ion Stoica, Ce Zhang: “High-throughput Generative Inference of Large Language Models with a Single GPU”, 2023; [arXiv:2303.06865](http://huggingface.co/papers/2303.06865).
* بيتر ميلشور، يان ليانغ، تشانغ هون هان، آندى غولدينغ: “ترميز طيف المجرات تلقائياً I: البنية المعمارية”، 2022؛ [arXiv:2211.07890](http://huggingface.co/papers/2211.07890).
* جياو تشن، أستون تشانغ، مو لي، أليكس سمولو، ديي يانغ: “نموذج لغة انتشار أرخص وأفضل باستخدام الضوضاء المقنّعة ناعماً”، 2023؛ [arXiv:2304.04746](http://huggingface.co/papers/2304.04746).
* آيان هاك، ماثيو تانسيك، أليكسي أ. إفروس، ألكساندر هولنسكي، أنجو كانازاوا: “Instruct-NeRF2NeRF: Editing 3D Scenes with Instructions”، 2023؛ [arXiv:2303.12789](http://huggingface.co/papers/2303.12789).
* لوك ميلاس-كيرياز، كريستيان روبريشت، إرو لاينا، أندريا فيدالدي: “RealFusion: إعادة بناء 360° لأي كائن من صورة واحدة”، 2023؛ [arXiv:2302.10663](http://huggingface.co/papers/2302.10663).
* شياوشي وو، كيشيانغ صن، فنغ تشو، روي تشاو، هونغشنغ لي: “تحسين محاذاة نماذج النص إلى الصورة مع تفضيلات البشر”، 2023؛ [arXiv:2303.14420](http://huggingface.co/papers/2303.14420).
* يونغ ليانغ شين، كاي تاو سونغ، شو تان، دونغ شينغ لي، وي مينغ لو، يويتينغ تشوانغ: “HuggingGPT: Solving AI Tasks with ChatGPT and its Friends in HuggingFace”، 2023؛ [arXiv:2303.17580](http://huggingface.co/papers/2303.17580).
* يوه يانغ، ونلين ياو، هونغمينغ تشانغ، شياويانغ وانغ، دونغ يو، جيانشو تشن: “Z-LaVI: Zero-Shot Language Solver Fueled by Visual Imagination”، 2022؛ [arXiv:2210.12261](http://huggingface.co/papers/2210.12261).
* Sheng-Yen Chou, Pin-Yu Chen, Tsung-Yi Ho: “How to Backdoor Diffusion Models?”, 2022; [arXiv:2212.05400](http://huggingface.co/papers/2212.05400).
* جون يونغ سو، ووسوك جانغ، مين-سيوب كواك، جيهون كو، هيونسو كيم، جونهو كيم، جين-هوا كيم، جي يونغ لي، سونغريونغ كيم: “دع نموذج الانتشار ثنائي الأبعاد يعرف الاتساق ثلاثي الأبعاد لتوليد نص إلى ثلاثي الأبعاد قوي”، 2023؛ [arXiv:2303.07937](http://huggingface.co/papers/2303.07937).
* أور باتاشنيك، دانيال غاريبي، إيدان أزوري، هادار أفرابوخ-إيلور، دانيال كوهين-أور: “Localizing Object-level Shape Variations with Text-to-Image Diffusion Models”، 2023؛ [arXiv:2303.11306](http://huggingface.co/papers/2303.11306).
* ديداك سوريس، ساشيت مينون، كارل فوندريك: “ViperGPT: Visual Inference via Python Execution for Reasoning”، 2023؛ [arXiv:2303.08128](http://huggingface.co/papers/2303.08128).
* Chenyang Qi, Xiaodong Cun, Yong Zhang, Chenyang Lei, Xintao Wang, Ying Shan, Qifeng Chen: “FateZero: Fusing Attentions for Zero-shot Text-based Video Editing”، 2023؛ [arXiv:2303.09535](http://huggingface.co/papers/2303.09535).
* سيان ويليك، جيا تشنغ ليو، شيمينغ لو، هاناناه هاجيشيرزي، ييجين تشوي: “NaturalProver: Grounded Mathematical Proof Generation with Language Models”، 2022؛ [arXiv:2205.12910](http://huggingface.co/papers/2205.12910).
* إيلاد ريتشاردسون، غال ميتسر، يوفال ألالوف، راجا جيريس، دانيال كوهين-أور: “TEXTure: Text-Guided Texturing of 3D Shapes”، 2023؛ [arXiv:2302.01721](http://huggingface.co/papers/2302.01721).
* Puijin Cheng, Li Lin, Yijin Huang, Huaqing He, Wenhan Luo, Xiaoying Tang: “Learning Enhancement From Degradation: A Diffusion Model For Fundus Image Enhancement”, 2023; [arXiv:2303.04603](http://huggingface.co/papers/2303.04603).
* شون شياو، يفتاه زيسر، شاي كوهين: “Erasure of Unaligned Attributes from Neural Representations”، 2023؛ [arXiv:2302.02997](http://huggingface.co/papers/2302.02997).
* Seonghyeon Ye, Hyeonbin Hwang, Sohee Yang, Hyeongu Yun, Yireun Kim, Minjoon Seo: “In-Context Instruction Learning”, 2023; [arXiv:2302.14691](http://huggingface.co/papers/2302.14691).
* شيكون ليو، لينكسي فان، إدوارد جونز، تشيدنغ يو، تشاوي شياو، أنيماء أناندكومار: “بريزمر: نموذج رؤية-لغة مع مجموعة من الخبراء”، 2023؛ [arXiv:2303.02506](http://huggingface.co/papers/2303.02506).
* هاويو تشن، تشيهوا وانغ، يانغ يانغ، تشيلين سون، كيد ما: “Learning a Deep Color Difference Metric for Photographic Images”، 2023؛ [arXiv:2303.14964](http://huggingface.co/papers/2303.14964).
* فان-هوانغ لي، هونغيو تشانغ: “تحليل السجلات باستخدام التعلم القليل اللقطات القائم على الموجهات”، 2023؛ [arXiv:2302.07435](http://huggingface.co/papers/2302.07435).
* Keito Kudo, Yoichi Aoki, Tatsuki Kuribayashi, Ana Brassard, Masashi Yoshikawa, Keisuke Sakaguchi, Kentaro Inui: “Do Deep Neural Networks Capture Compositionality in Arithmetic Reasoning؟”, 2023; [arXiv:2302.07866](http://huggingface.co/papers/2302.07866).
* روياو وانغ، بيتر يانسن، مارك-ألكسندر كوتي، بريثفيراج أممانابرولو: “Behavior Cloned Transformers are Neurosymbolic Reasoners”، 2022؛ [arXiv:2210.07382](http://huggingface.co/papers/2210.07382).
* مارتن ويسل، توماش هوريخ، تيري رواس، أكيكو آيزاوا، بيلا غيب، تيمو شبيندي: “تقديم MBIB -- أول مهمة ومجموعة بيانات لمعايرة تحديد التحيز الإعلامي”، 2023؛ [arXiv:2304.13148](http://huggingface.co/papers/2304.13148). DOI: [https://dx.doi.org/10.1145/3539618.3591882 10.1145/3539618.3591882].
* هلا شيفر، يوفال ألالوف، يائيل فينكر، ليور وولف، دانيال كوهين-أور: “Attend-and-Excite: Attention-Based Semantic Guidance for Text-to-Image Diffusion Models”، 2023؛ [arXiv:2301.13826](http://huggingface.co/papers/2301.13826).
* مارسيو فونسيكا، يفتاه زيسر، شاي ب. كوهين: “تفكيك قرارات المحتوى والميزانية في التلخيص الاستخلاصي للمستندات الطويلة”، 2022؛ [arXiv:2205.12486](http://huggingface.co/papers/2205.12486).
* إيلاد ريتشاردسون، غال ميتسر، يوفال ألالوف، راجا جيريس، دانيال كوهين-أور: “TEXTure: Text-Guided Texturing of 3D Shapes”، 2023؛ [arXiv:2302.01721](http://huggingface.co/papers/2302.01721).
* Tianxing He, Jingyu Zhang, Tianle Wang, Sachin Kumar, Kyunghyun Cho, James Glass, Yulia Tsvetkov: “On the Blind Spots of Model-Based Evaluation Metrics for Text Generation”، 2022؛ [arXiv:2212.10020](http://huggingface.co/papers/2212.10020).
* أوري رام، يوآف ليفين، إيتاي دالميديجوس، دور مولغاي، أمون شاشوا، كيفن لييتون براون، يوآف شوهام: “نماذج لغوية معززة بالاسترجاع في السياق” (In-Context Retrieval-Augmented Language Models)، 2023؛ [arXiv:2302.00083](http://huggingface.co/papers/2302.00083).
* Dacheng Li, Rulin Shao, Hongyi Wang, Han Guo, Eric P. Xing, Hao Zhang: “MPCFormer: fast, performant and private Transformer inference with MPC”, 2022; [arXiv:2211.01452](http://huggingface.co/papers/2211.01452).
* باولين بينغ، ميشيل غالي، بنغتشينغ هي، كريس بروكيت، لارس ليدن، إلناز نوري، تشو يو، بيل دولان، جيانفنغ غاو: “GODEL: Large-Scale Pre-Training for Goal-Directed Dialog”، 2022؛ [arXiv:2206.11309](http://huggingface.co/papers/2206.11309).
* إيغيل رونينغستاد، إريك فيلدال، ليليا أوفريليد: “تحليل المشاعر على مستوى الكيانات (ELSA): مسح لمهمة استكشافية”، 2023، محاضرات المؤتمر الدولي التاسع والعشرين للغة الحاسوبية، 2022، الصفحات 6773-6783؛ [arXiv:2304.14241](http://huggingface.co/papers/2304.14241).
* تشارلي سنييل، إيليا كوستريكوف، يي سو، منغياو يانغ، سيرغي ليفاين: “التعلم المعزز غير المتصل لتوليد اللغة الطبيعية باستخدام التعلم الضمني للغة Q”، 2022؛ [arXiv:2206.11871](http://huggingface.co/papers/2206.11871).
* Zhiruo Wang, Shuyan Zhou, Daniel Fried, Graham Neubig: “Execution-Based Evaluation for Open-Domain Code Generation”، 2022؛ [arXiv:2212.10481](http://huggingface.co/papers/2212.10481).
* Minh-Long Luu, Zeyi Huang, Eric P. Xing, Yong Jae Lee, Haohan Wang: “Expeditious Saliency-guided Mix-up through Random Gradient Thresholding”، 2022؛ [arXiv:2212.04875](http://huggingface.co/papers/2212.04875).
* جون هاو ليو، هانشو يان، داكوان تشو، جياشي فنغ: “MagicMix: Semantic Mixing with Diffusion Models”، 2022؛ [arXiv:2210.16056](http://huggingface.co/papers/2210.16056).
* يا تشينغ وانغ، سوبهابراتا موخيرجي، شياودونغ ليو، جينغ غاو، أحمد حسن عواد الله، جيانفنغ غاو: “LiST: Lite Prompted Self-training Makes Parameter-Efficient Few-shot Learners”، 2021؛ [arXiv:2110.06274](http://huggingface.co/papers/2110.06274).

