Projeto 'hunch' utiliza EmbeddingGemma 2 para classificação local
O Google destacou o projeto 'hunch', que usa o modelo EmbeddingGemma 2 para classificar textos e imagens localmente com baixa latência.
||
04/11 às 15:15
Pontos principais
- O projeto 'hunch', criado por Mike Mastracci, utiliza o modelo EmbeddingGemma 2 para classificação de dados.
- O sistema processa textos em cerca de 20ms e imagens em aproximadamente 100ms localmente.
- A ferramenta permite a classificação de novas categorias em tempo real.
- O código-fonte do projeto foi disponibilizado publicamente no GitHub.
O Google destacou o projeto 'hunch', desenvolvido por Mike Mastracci, que emprega o modelo EmbeddingGemma 2 para realizar classificação de texto e imagem localmente. O sistema opera com baixa latência, atingindo tempos de processamento de 20ms para textos e 100ms para imagens. A solução permite classificar novas categorias de dados em tempo real e teve seu código aberto disponibilizado no GitHub.
Cobertura da mídia
Leia também
Google lança modelo multimodal EmbeddingGemma 2 para uso local
29 out, 14:15
Pesquisador utiliza EmbeddingGemma 2 para transcrição de áudio local
22 out, 13:45
Google lança EmbeddingGemma 2 para processamento multimodal
8 out, 13:40
Google DeepMind lança EmbeddingGemma 2 para uso local em dispositivos
6 out, 13:31
Google lança modelo de IA Gemma 4 12B para execução local
3 jun, 16:05
Comentários (0)
Seja o primeiro a comentar.
