NVIDIA NeMo ફ્રેમવર્ક

વિશિષ્ટતાઓ

• ઉત્પાદન નામ: NVIDIA NeMo ફ્રેમવર્ક
• અસરગ્રસ્ત પ્લેટફોર્મ: વિન્ડોઝ, લિનક્સ, મેકઓએસ
• પ્રભાવિત આવૃત્તિઓ: 24 પહેલાના બધા સંસ્કરણો
• સુરક્ષા નબળાઈ: CVE-2025-23360
• જોખમ મૂલ્યાંકન બેઝ સ્કોર: ૭.૧ (સીવીએસએસ વર્ઝન ૩.૧)

ઉત્પાદન વપરાશ સૂચનાઓ

સુરક્ષા અપડેટ ઇન્સ્ટોલેશન:
તમારી સિસ્ટમને સુરક્ષિત રાખવા માટે, આ પગલાં અનુસરો:

1. GitHub પર NeMo-Framework-Launcher Releases પેજ પરથી નવીનતમ રિલીઝ ડાઉનલોડ કરો.
2. વધુ માહિતી માટે NVIDIA પ્રોડક્ટ સિક્યુરિટી પર જાઓ.

સુરક્ષા અપડેટ વિગતો:
સુરક્ષા અપડેટ NVIDIA NeMo ફ્રેમવર્કમાં એક નબળાઈને સંબોધે છે જે કોડ એક્ઝિક્યુશન અને ડેટા ટાઈપ તરફ દોરી શકે છે.ampઇરિંગ.

સોફ્ટવેર અપગ્રેડ:
જો તમે પહેલાની બ્રાન્ચ રિલીઝનો ઉપયોગ કરી રહ્યા છો, તો સુરક્ષા સમસ્યાને ઉકેલવા માટે નવીનતમ બ્રાન્ચ રિલીઝ પર અપગ્રેડ કરવાની ભલામણ કરવામાં આવે છે.

ઉપરview

NVIDIA NeMo ફ્રેમવર્ક એ એક સ્કેલેબલ અને ક્લાઉડ-નેટિવ જનરેટિવ AI ફ્રેમવર્ક છે જે સંશોધકો અને વિકાસકર્તાઓ માટે બનાવવામાં આવ્યું છે જેના પર કામ કરે છે મોટા ભાષા મોડેલો, મલ્ટિમોડલ, અને સ્પીચ એઆઈ (દા.ત ઓટોમેટિક સ્પીચ રેકગ્નિશન અને ટેક્સ્ટ-ટુ-સ્પીચ). તે વપરાશકર્તાઓને હાલના કોડ અને પૂર્વ-પ્રશિક્ષિત મોડેલ ચેકપોઇન્ટ્સનો ઉપયોગ કરીને નવા જનરેટિવ AI મોડેલ્સને કાર્યક્ષમ રીતે બનાવવા, કસ્ટમાઇઝ કરવા અને જમાવવા માટે સક્ષમ બનાવે છે.

સેટઅપ સૂચનાઓ: નેમો ફ્રેમવર્ક ઇન્સ્ટોલ કરો

મોટા ભાષા મોડેલો અને મલ્ટિમોડલ મોડેલો
નેમો ફ્રેમવર્ક લાર્જ લેંગ્વેજ મોડેલ્સ (LLMs) અને મલ્ટિમોડલ મોડેલ્સ (MMs) વિકસાવવા માટે એન્ડ-ટુ-એન્ડ સપોર્ટ પૂરો પાડે છે. તે ઓન-પ્રિમાઇસિસ, ડેટા-સેન્ટરમાં અથવા તમારા પસંદગીના ક્લાઉડ પ્રદાતા સાથે ઉપયોગ કરવાની સુગમતા પૂરી પાડે છે. તે SLURM અથવા Kubernetes સક્ષમ વાતાવરણ પર એક્ઝિક્યુશનને પણ સપોર્ટ કરે છે.

ડેટા ક્યુરેશન
નેમો ક્યુરેટર [1] એક પાયથોન લાઇબ્રેરી છે જેમાં ડેટા માઇનિંગ અને સિન્થેટિક ડેટા જનરેશન માટે મોડ્યુલોનો સમૂહ શામેલ છે. તે GPU માટે સ્કેલેબલ અને ઑપ્ટિમાઇઝ કરેલ છે, જે તેમને LLM ને તાલીમ આપવા અથવા ફાઇન-ટ્યુન કરવા માટે કુદરતી ભાષા ડેટા ક્યુરેટ કરવા માટે આદર્શ બનાવે છે. NeMo ક્યુરેટર સાથે, તમે વ્યાપક કાચા માલમાંથી ઉચ્ચ-ગુણવત્તાવાળા ટેક્સ્ટને કાર્યક્ષમ રીતે કાઢી શકો છો. web ડેટા સ્ત્રોતો.

તાલીમ અને કસ્ટમાઇઝેશન

નેમો ફ્રેમવર્ક કાર્યક્ષમ તાલીમ અને કસ્ટમાઇઝેશન માટે સાધનો પૂરા પાડે છે એલએલએમ અને મલ્ટિમોડલ મોડેલ્સ. તેમાં કમ્પ્યુટ ક્લસ્ટર સેટઅપ, ડેટા ડાઉનલોડિંગ અને મોડેલ હાઇપરપેરામીટર્સ માટે ડિફોલ્ટ ગોઠવણીઓ શામેલ છે, જેને નવા ડેટાસેટ્સ અને મોડેલ્સ પર તાલીમ આપવા માટે ગોઠવી શકાય છે. પ્રી-ટ્રેનિંગ ઉપરાંત, NeMo સુપરવાઇઝ્ડ ફાઇન-ટ્યુનિંગ (SFT) અને પેરામીટર એફિશિયન્ટ ફાઇન-ટ્યુનિંગ (PEFT) તકનીકો જેમ કે LoRA, Ptuning અને વધુને સપોર્ટ કરે છે.

NeMo માં તાલીમ શરૂ કરવા માટે બે વિકલ્પો ઉપલબ્ધ છે - NeMo 2.0 API ઇન્ટરફેસનો ઉપયોગ કરીને અથવા NeMo Run સાથે.

• નેમો રન સાથે (ભલામણ કરેલ): નેમો રન વિવિધ કમ્પ્યુટ વાતાવરણમાં પ્રયોગોના રૂપરેખાંકન, અમલીકરણ અને સંચાલનને સુવ્યવસ્થિત કરવા માટે એક ઇન્ટરફેસ પૂરું પાડે છે. આમાં તમારા વર્કસ્ટેશન પર સ્થાનિક રીતે અથવા મોટા ક્લસ્ટરો પર - SLURM સક્ષમ અથવા ક્લાઉડ વાતાવરણમાં કુબર્નેટ્સ બંને પર જોબ્સ લોન્ચ કરવાનો સમાવેશ થાય છે.
  • નેમો રન સાથે પ્રી-ટ્રેનિંગ અને PEFT ક્વિકસ્ટાર્ટ
• NeMo 2.0 API નો ઉપયોગ કરીને: આ પદ્ધતિ નાના મોડેલોને સમાવિષ્ટ સરળ સેટઅપ સાથે સારી રીતે કાર્ય કરે છે, અથવા જો તમને તમારા પોતાના કસ્ટમ ડેટાલોડર લખવા, લૂપ્સ તાલીમ આપવામાં અથવા મોડેલ સ્તરો બદલવામાં રસ હોય તો. તે તમને રૂપરેખાંકનો પર વધુ સુગમતા અને નિયંત્રણ આપે છે, અને પ્રોગ્રામેટિકલી રૂપરેખાંકનોને વિસ્તૃત અને કસ્ટમાઇઝ કરવાનું સરળ બનાવે છે.
  • ટ્રાNeMo 2.0 API સાથે ક્વિકસ્ટાર્ટ શરૂ કરી રહ્યા છીએ
  • NeMo 1.0 થી NeMo 2.0 API પર સ્થાનાંતરિત કરી રહ્યા છીએ

સંરેખણ

• નેમો-એલાઈનર [1] કાર્યક્ષમ મોડેલ ગોઠવણી માટે સ્કેલેબલ ટૂલકીટ છે. ટૂલકીટમાં સ્ટીયરએલએમ, ડીપીઓ, રિઇન્ફોર્સમેન્ટ લર્નિંગ ફ્રોમ હ્યુમન ફીડબેક (આરએલએચએફ) જેવા અત્યાધુનિક મોડેલ ગોઠવણી અલ્ગોરિધમ્સ અને ઘણું બધું સપોર્ટ છે. આ અલ્ગોરિધમ્સ વપરાશકર્તાઓને ભાષા મોડેલોને વધુ સુરક્ષિત, હાનિકારક અને મદદરૂપ બનાવવા માટે ગોઠવવા સક્ષમ બનાવે છે.
• બધા NeMo-Aligner ચેકપોઇન્ટ NeMo ઇકોસિસ્ટમ સાથે ક્રોસ-સુસંગત છે, જે વધુ કસ્ટમાઇઝેશન અને અનુમાન ડિપ્લોયમેન્ટ માટે પરવાનગી આપે છે.

નાના GPT-2B મોડેલ પર RLHF ના ત્રણેય તબક્કાઓનું સ્ટેપ-બાય-સ્ટેપ વર્કફ્લો:

• SFT તાલીમ
• પુરસ્કાર મોડેલ તાલીમ
• પીપીઓ તાલીમ

આ ઉપરાંત, અમે વિવિધ અન્ય નવીન ગોઠવણી પદ્ધતિઓ માટે સમર્થન દર્શાવીએ છીએ:

• ડીપીઓ: RLHF ની સરખામણીમાં સરળ નુકશાન કાર્ય સાથે હળવા વજનનું સંરેખણ અલ્ગોરિધમ.
• સ્વ-રમત ફાઇન-ટ્યુનિંગ (સ્પિન)
• સ્ટીયરએલએમ: સ્ટીઅરેબલ આઉટપુટ સાથે, કન્ડિશન્ડ-SFT પર આધારિત તકનીક.

વધુ માહિતી માટે દસ્તાવેજીકરણ તપાસો: સંરેખણ દસ્તાવેજીકરણ

મલ્ટિમોડલ મોડેલ્સ

• નેમો ફ્રેમવર્ક અનેક શ્રેણીઓમાં અત્યાધુનિક મલ્ટિમોડલ મોડેલ્સને તાલીમ આપવા અને જમાવવા માટે ઑપ્ટિમાઇઝ્ડ સોફ્ટવેર પૂરું પાડે છે: મલ્ટિમોડલ લેંગ્વેજ મોડેલ્સ, વિઝન-લેંગ્વેજ ફાઉન્ડેશન્સ, ટેક્સ્ટ-ટુ-ઇમેજ મોડેલ્સ અને ન્યુરલ રેડિયન્સ ફીલ્ડ્સ (NeRF) નો ઉપયોગ કરીને 2D જનરેશનથી આગળ.
• દરેક શ્રેણી ચોક્કસ જરૂરિયાતો અને ક્ષેત્રમાં પ્રગતિને પૂર્ણ કરવા માટે ડિઝાઇન કરવામાં આવી છે, જેમાં ટેક્સ્ટ, છબીઓ અને 3D મોડેલ્સ સહિત ડેટા પ્રકારોની વિશાળ શ્રેણીને હેન્ડલ કરવા માટે અત્યાધુનિક મોડેલ્સનો ઉપયોગ કરવામાં આવે છે.

ડિપ્લોયમેન્ટ અને અનુમાન
નેમો ફ્રેમવર્ક LLM અનુમાન માટે વિવિધ માર્ગો પૂરા પાડે છે, વિવિધ ડિપ્લોયમેન્ટ દૃશ્યો અને કામગીરીની જરૂરિયાતોને પૂર્ણ કરે છે.

NVIDIA NIM સાથે જમાવો

• નેમો ફ્રેમવર્ક NVIDIA NIM દ્વારા એન્ટરપ્રાઇઝ-લેવલ મોડેલ ડિપ્લોયમેન્ટ ટૂલ્સ સાથે એકીકૃત રીતે સંકલિત થાય છે. આ સંકલન NVIDIA TensorRT-LLM દ્વારા સંચાલિત છે, જે ઑપ્ટિમાઇઝ્ડ અને સ્કેલેબલ ઇન્ફરન્સ સુનિશ્ચિત કરે છે.
• NIM વિશે વધુ માહિતી માટે, NVIDIA ની મુલાકાત લો webસાઇટ

TensorRT-LLM અથવા vLLM સાથે જમાવટ કરો

• NeMo ફ્રેમવર્ક બે ઇન્ફરન્સ ઑપ્ટિમાઇઝ્ડ લાઇબ્રેરીઓ, TensorRT-LLM અને vLLM માં મોડેલો નિકાસ કરવા અને NVIDIA ટ્રાઇટોન ઇન્ફરન્સ સર્વર સાથે નિકાસ કરેલ મોડેલનો ઉપયોગ કરવા માટે સ્ક્રિપ્ટો અને API ઓફર કરે છે.
• ઑપ્ટિમાઇઝ્ડ પર્ફોર્મન્સની જરૂર હોય તેવા દૃશ્યો માટે, NeMo મોડેલ્સ TensorRT-LLM નો ઉપયોગ કરી શકે છે, જે NVIDIA GPUs પર LLM ઇન્ફરન્સને વેગ આપવા અને ઑપ્ટિમાઇઝ કરવા માટે એક વિશિષ્ટ લાઇબ્રેરી છે. આ પ્રક્રિયામાં nemo.export મોડ્યુલનો ઉપયોગ કરીને NeMo મોડેલ્સને TensorRT-LLM સાથે સુસંગત ફોર્મેટમાં રૂપાંતરિત કરવાનો સમાવેશ થાય છે.
  • LLM જમાવટ સમાપ્તview
  • NIM સાથે NeMo લાર્જ લેંગ્વેજ મોડેલ્સનો ઉપયોગ કરો
  • TensorRT-LLM સાથે NeMo લાર્જ લેંગ્વેજ મોડેલ્સનો ઉપયોગ કરો
  • vLLM સાથે NeMo લાર્જ લેંગ્વેજ મોડેલ્સનો ઉપયોગ કરો

સપોર્ટેડ મોડલ્સ

મોટા ભાષા મોડેલો

મોટા ભાષા મોડેલો

મોટા ભાષા મોડેલો	પ્રી-ટ્રેનિંગ અને SFT	પીઇએફટી	સંરેખણ	FP8 તાલીમ કન્વર્જન્સ	ટીઆરટી/ટીઆરટીએલએલએમ	હગિંગ ફેસમાં અને થી કન્વર્ટ કરો	મૂલ્યાંકન
લામા3 8B/70B, લામા3.1 405B	હા	હા	x	હા (આંશિક રીતે ચકાસાયેલ)	હા	બંને	હા
મિક્સ્ટ્રાલ 8x7B/8x22B	હા	હા	x	હા (ચકાસાયેલ નથી)	હા	બંને	હા
નેમોટ્રોન 3 8B	હા	x	x	હા (ચકાસાયેલ નથી)	x	બંને	હા
નેમોટ્રોન 4 340B	હા	x	x	હા (ચકાસાયેલ નથી)	x	બંને	હા
બૈચુઆન2 7B	હા	હા	x	હા (ચકાસાયેલ નથી)	x	બંને	હા
ચેટજીએલએમ3 6બી	હા	હા	x	હા (ચકાસાયેલ નથી)	x	બંને	હા
જેમ્મા 2B/7B	હા	હા	x	હા (ચકાસાયેલ નથી)	હા	બંને	હા
જેમ્મા2 2B/9B/27B	હા	હા	x	હા (ચકાસાયેલ નથી)	x	બંને	હા
Mamba2 130M/370M/780M/1.3B/2.7B/8B/ Hybrid-8B	હા	હા	x	હા (ચકાસાયેલ નથી)	x	x	હા
ફાઇ૩ મીની ૪કે	x	હા	x	હા (ચકાસાયેલ નથી)	x	x	x
Qwen2 0.5B/1.5B/7B/72B	હા	હા	x	હા (ચકાસાયેલ નથી)	હા	બંને	હા
સ્ટારકોડર ૧૫બી	હા	હા	x	હા (ચકાસાયેલ નથી)	હા	બંને	હા
સ્ટારકોડર2 3B/7B/15B	હા	હા	x	હા (ચકાસાયેલ નથી)	હા	બંને	હા
બર્ટ ૧૧૦એમ/૩૪૦એમ	હા	હા	x	હા (ચકાસાયેલ નથી)	x	બંને	x
T5 220M/3B/11B	હા	હા	x	x	x	x	x

 

દ્રષ્ટિ ભાષા મોડેલ્સ

 

એમ્બેડિંગ મોડેલ્સ

 

વર્લ્ડ ફાઉન્ડેશન મોડેલ્સ

નોંધ
નેમો પ્રસરણ અને ઓટોરેગ્રેસિવ આર્કિટેક્ચર બંને માટે પ્રીટ્રેનિંગને પણ સપોર્ટ કરે છે. text2world ફાઉન્ડેશન મોડેલ્સ.

સ્પીચ એઆઈ

વાતચીતલક્ષી AI મોડેલ્સ વિકસાવવા એ એક જટિલ પ્રક્રિયા છે જેમાં ચોક્કસ ડોમેન્સમાં મોડેલ્સને વ્યાખ્યાયિત કરવા, નિર્માણ કરવા અને તાલીમ આપવાનો સમાવેશ થાય છે. આ પ્રક્રિયામાં સામાન્ય રીતે ઉચ્ચ સ્તરની ચોકસાઈ સુધી પહોંચવા માટે અનેક પુનરાવર્તનોની જરૂર પડે છે. તેમાં ઘણીવાર ઉચ્ચ ચોકસાઈ પ્રાપ્ત કરવા, વિવિધ કાર્યો અને ડોમેન-વિશિષ્ટ ડેટા પર ફાઇન-ટ્યુનિંગ, તાલીમ પ્રદર્શન સુનિશ્ચિત કરવા અને અનુમાન જમાવટ માટે મોડેલ્સ તૈયાર કરવા માટે અનેક પુનરાવર્તનોનો સમાવેશ થાય છે.

નેમો ફ્રેમવર્ક સ્પીચ એઆઈ મોડેલ્સની તાલીમ અને કસ્ટમાઇઝેશન માટે સપોર્ટ પૂરો પાડે છે. આમાં ઓટોમેટિક સ્પીચ રેકગ્નિશન (ASR) અને ટેક્સ્ટ-ટુ-સ્પીચ (TTS) સિન્થેસિસ જેવા કાર્યોનો સમાવેશ થાય છે. તે NVIDIA રિવા સાથે એન્ટરપ્રાઇઝ-સ્તરના ઉત્પાદન જમાવટમાં સરળ સંક્રમણ પ્રદાન કરે છે. વિકાસકર્તાઓ અને સંશોધકોને સહાય કરવા માટે, નેમો ફ્રેમવર્કમાં અત્યાધુનિક પૂર્વ-પ્રશિક્ષિત ચેકપોઇન્ટ્સ, પુનઃઉત્પાદનક્ષમ સ્પીચ ડેટા પ્રોસેસિંગ માટેના સાધનો અને સ્પીચ ડેટાસેટ્સના ઇન્ટરેક્ટિવ એક્સપ્લોરેશન અને વિશ્લેષણ માટેની સુવિધાઓ શામેલ છે. સ્પીચ એઆઈ માટે નેમો ફ્રેમવર્કના ઘટકો નીચે મુજબ છે:

તાલીમ અને કસ્ટમાઇઝેશન
નેમો ફ્રેમવર્કમાં સ્પીચ મોડેલ્સને તાલીમ આપવા અને કસ્ટમાઇઝ કરવા માટે જરૂરી બધું જ શામેલ છે (ASR, વાણી વર્ગીકરણ, વક્તાની ઓળખ, સ્પીકર ડાયરાઇઝેશન, અને ટીટીએસ) પુનઃઉત્પાદનક્ષમ રીતે.

SOTA પૂર્વ-પ્રશિક્ષિત મોડેલ્સ

• નેમો ફ્રેમવર્ક અત્યાધુનિક વાનગીઓ અને અનેક પૂર્વ-પ્રશિક્ષિત ચેકપોઇન્ટ્સ પ્રદાન કરે છે ASR અને ટીટીએસ મોડેલો, તેમજ તેમને કેવી રીતે લોડ કરવા તેની સૂચનાઓ.
• સ્પીચ ટૂલ્સ
• નેમો ફ્રેમવર્ક ASR અને TTS મોડેલ વિકસાવવા માટે ઉપયોગી સાધનોનો સમૂહ પૂરો પાડે છે, જેમાં નીચેનાનો સમાવેશ થાય છે:
  • નેમો ફોર્સ્ડ એલાઈનર (NFA) ટોકન-, શબ્દ- અને સેગમેન્ટ-સ્તરનો સમય જનરેટ કરવા માટેampનેમોના CTC-આધારિત ઓટોમેટિક સ્પીચ રેકગ્નિશન મોડેલ્સનો ઉપયોગ કરીને ઓડિયોમાં ભાષણના અવાજો.
  • સ્પીચ ડેટા પ્રોસેસર (SDP), સ્પીચ ડેટા પ્રોસેસિંગને સરળ બનાવવા માટે એક ટૂલકીટ. તે તમને રૂપરેખામાં ડેટા પ્રોસેસિંગ કામગીરીનું પ્રતિનિધિત્વ કરવાની મંજૂરી આપે છે file, બોઈલરપ્લેટ કોડને ઓછો કરવો અને પ્રજનનક્ષમતા અને શેર કરવાની મંજૂરી આપવી.
  • સ્પીચ ડેટા એક્સપ્લોરર (SDE), ડેશ-આધારિત web સ્પીચ ડેટાસેટ્સના ઇન્ટરેક્ટિવ એક્સપ્લોરેશન અને વિશ્લેષણ માટેની એપ્લિકેશન.
  • ડેટાસેટ બનાવવાનું સાધન જે લાંબા ઑડિઓને સંરેખિત કરવા માટે કાર્યક્ષમતા પૂરી પાડે છે fileઅનુરૂપ ટ્રાન્સક્રિપ્ટ્સ સાથે s અને તેમને ટૂંકા ટુકડાઓમાં વિભાજીત કરો જે ઓટોમેટિક સ્પીચ રેકગ્નિશન (ASR) મોડેલ તાલીમ માટે યોગ્ય છે.
  • સરખામણી સાધન ASR મોડેલ્સ માટે શબ્દ ચોકસાઈ અને ઉચ્ચારણ સ્તરે વિવિધ ASR મોડેલ્સની આગાહીઓની તુલના કરવી.
  • ASR મૂલ્યાંકનકાર ASR મોડેલોના પ્રદર્શન અને વૉઇસ એક્ટિવિટી ડિટેક્શન જેવી અન્ય સુવિધાઓનું મૂલ્યાંકન કરવા માટે.
  • ટેક્સ્ટ નોર્મલાઇઝેશન ટૂલ લખાણને લેખિતમાંથી બોલાયેલા સ્વરૂપમાં રૂપાંતરિત કરવા માટે અને ઊલટું (દા.ત. “૩૧મો” વિ “એકત્રીસમો”).
• જમાવટનો માર્ગ
• NeMo ફ્રેમવર્કનો ઉપયોગ કરીને તાલીમ પામેલા અથવા કસ્ટમાઇઝ કરેલા NeMo મોડેલ્સને NVIDIA Riva સાથે ઑપ્ટિમાઇઝ અને ડિપ્લોય કરી શકાય છે. રિવા પુશ-બટન ડિપ્લોયમેન્ટ માટેના પગલાંને સ્વચાલિત કરવા માટે ખાસ રચાયેલ કન્ટેનર અને હેલ્મ ચાર્ટ પ્રદાન કરે છે.

અન્ય સંસાધનો

ગિટહબ રિપોઝ

• નેમો: નેમો ફ્રેમવર્ક માટે મુખ્ય ભંડાર
• નેમો–ચલાવો: તમારા મશીન લર્નિંગ પ્રયોગોને ગોઠવવા, લોન્ચ કરવા અને મેનેજ કરવા માટેનું એક સાધન.
• નેમો-એલાઈનર: કાર્યક્ષમ મોડેલ ગોઠવણી માટે સ્કેલેબલ ટૂલકીટ
• નેમો-ક્યુરેટર: LLM માટે સ્કેલેબલ ડેટા પ્રી-પ્રોસેસિંગ અને ક્યુરેશન ટૂલકીટ

મદદ મેળવી રહી છે
NeMo સમુદાય સાથે જોડાઓ, પ્રશ્નો પૂછો, સમર્થન મેળવો અથવા ભૂલોની જાણ કરો.

• નેમો ચર્ચાઓ
• નેમો મુદ્દાઓ

પ્રોગ્રામિંગ ભાષાઓ અને માળખા

• અજગર: NeMo ફ્રેમવર્કનો ઉપયોગ કરવા માટેનું મુખ્ય ઇન્ટરફેસ
• પાયટોર્ચ: NeMo ફ્રેમવર્ક PyTorch ની ટોચ પર બનેલ છે.

લાઇસન્સ

• નેમો ગીથબ રેપો અપાચે 2.0 લાઇસન્સ હેઠળ લાઇસન્સ પ્રાપ્ત છે.
• NeMo ફ્રેમવર્ક NVIDIA AI ઉત્પાદન કરાર હેઠળ લાઇસન્સ પ્રાપ્ત છે. કન્ટેનર ખેંચીને અને તેનો ઉપયોગ કરીને, તમે આ લાઇસન્સની શરતો અને નિયમો સ્વીકારો છો.
• NeMo ફ્રેમવર્ક કન્ટેનરમાં Meta Llama3 કોમ્યુનિટી લાઇસન્સ કરાર દ્વારા સંચાલિત Llama સામગ્રીઓ શામેલ છે.

ફૂટનોટ્સ
હાલમાં, મલ્ટિમોડલ મોડેલ્સ માટે નેમો ક્યુરેટર અને નેમો એલાઈનર સપોર્ટ પર કામ ચાલી રહ્યું છે અને ખૂબ જ ટૂંક સમયમાં ઉપલબ્ધ થશે.

FAQ

પ્ર: મારી સિસ્ટમ નબળાઈથી પ્રભાવિત છે કે નહીં તે હું કેવી રીતે ચકાસી શકું?
A: તમે ઇન્સ્ટોલ કરેલ NVIDIA NeMo ફ્રેમવર્કના વર્ઝનને ચકાસીને તમારી સિસ્ટમ પ્રભાવિત થઈ છે કે નહીં તે ચકાસી શકો છો. જો તે વર્ઝન 24 થી નીચે હોય, તો તમારી સિસ્ટમ સંવેદનશીલ હોઈ શકે છે.

પ્રશ્ન: સુરક્ષા સમસ્યા CVE-2025-23360 કોણે જણાવી?
A: સુરક્ષા સમસ્યાની જાણ ઓર પેલ્સ - JFrog સિક્યુરિટી દ્વારા કરવામાં આવી હતી. NVIDIA તેમના યોગદાનને સ્વીકારે છે.

પ્ર: હું ભવિષ્યના સુરક્ષા બુલેટિન સૂચનાઓ કેવી રીતે મેળવી શકું?
A: સુરક્ષા બુલેટિન સૂચનાઓ માટે સબ્સ્ક્રાઇબ કરવા અને ઉત્પાદન સુરક્ષા અપડેટ્સ વિશે માહિતગાર રહેવા માટે NVIDIA ઉત્પાદન સુરક્ષા પૃષ્ઠની મુલાકાત લો.

દસ્તાવેજો / સંસાધનો

NVIDIA NeMo ફ્રેમવર્ક [પીડીએફ] વપરાશકર્તા માર્ગદર્શિકા નેમો ફ્રેમવર્ક, નેમો, ફ્રેમવર્ક

સંદર્ભો

• વપરાશકર્તા માર્ગદર્શિકા