General AI

RAG vs 파인튜닝: AI 모델 최적화의 두 가지 접근인공지능(AI) 기술이 발전함에 따라, 대규모 언어 모델(LLM)을 활용하는 방법도 다양해지고 있습니다. 오늘은 그 중에서도 주목받고 있는 두 가지 접근법, RAG(Retrieval-Augmented Generation)와 파인튜닝(Fine-tuning)에 대해 알아보겠습니다.RAG: 실시간 정보 검색의 힘RAG는 '검색 증강 생성'이라고 번역할 수 있습니다. 이 방식은 AI 모델이 답변을 생성할 때 외부 데이터베이스나 지식 저장소에서 관련 정보를 실시간으로 검색하여 활용합니다.RAG의 장점:최신 정보 활용: 실시간으로 업데이트되는 정보를 활용할 수 있습니다.유연성: 기본 모델을 변경하지 않고도 새로운 정보를 쉽게 추가할 수 있습니다.메모리 효율: ..

Gemma2 모델을 Ollama와 Streamlit으로 테스트하기Google의 최신 언어 모델인 Gemma2:27b를 로컬 환경에서 쉽게 테스트할 수 있는 방법을 소개해드리려고 합니다. 우리는 Ollama를 사용하여 모델을 로컬에서 실행하고, Streamlit을 통해 간단한 웹 인터페이스를 만들어 볼 것입니다. 이 방법을 통해 클라우드 서비스에 의존하지 않고도 강력한 AI 모델을 직접 경험해볼 수 있습니다.준비 사항시작하기 전에 다음 항목들이 필요합니다:Python 3.7 이상Ollama 설치 (https://ollama.ai/)pip를 통한 필요 라이브러리 설치단계별 가이드1. Ollama 설치 및 모델 다운로드먼저 Ollama를 설치하고 Gemma2:27b 모델을 다운로드합니다.ollama pull ..

한국어 잘하는 로컬모델로 챗봇 만들기한국어에 특화된 로컬 언어 모델을 사용하여 챗봇을 만드는 방법을 소개해드리려고 합니다. 이 프로젝트에서는 Llama-3 한국어 모델과 Ollama, 그리고 Streamlit을 활용하여 간단하면서도 강력한 챗봇을 구현하겠습니다.이 프로젝트에서는 Llama-3 기반의 한국어 모델을 사용하여 챗봇을 만들고, 두 가지 다른 버전의 모델 성능을 비교해 보겠습니다.Ollama 설치 및 모델 생성Ollama 설치 관련된 내용은 이전 포스팅 [ollama 소개 및 WSL 환경 설정] 를 참고하세요. Ollama가 설치되면, 다음 단계로 모델을 생성해야 합니다. 우리는 두 가지 버전의 Llama-3 한국어 모델을 사용할 것입니다:Llama-3-Open-Ko-8B-FP16 (링크)Lla..

Whisper 모델로 음성을 텍스트로 변환하기음성을 텍스트로 변환하는 기술, 즉 음성 인식(Speech Recognition)은 인공지능 분야에서 꾸준히 발전해 왔습니다. 그 중에서도 OpenAI에서 개발한 Whisper 모델은 최근 주목받고 있는 강력한 도구입니다.Whisper 모델이란?Whisper는 OpenAI에서 2022년 9월에 공개한 오픈소스 음성 인식 모델입니다. 이 모델은 다음과 같은 특징을 가지고 있습니다:다국어 지원: 영어뿐만 아니라 한국어를 포함한 다양한 언어를 인식할 수 있습니다.강력한 성능: 노이즈가 있는 환경에서도 우수한 인식 성능을 보여줍니다.다목적성: 음성 인식, 번역, 언어 식별 등 다양한 작업을 수행할 수 있습니다.오픈소스: 누구나 자유롭게 사용하고 개선할 수 있습니다.애..

oneMinTTS: 오픈소스 음성 합성 프로젝트 소개안녕하세요, 오늘은 흥미진진한 오픈소스 프로젝트인 oneMinTTS에 대해 소개해드리려고 합니다. oneMinTTS는 고성능 음성 합성과 간소화된 모델 관리를 위해 설계된 프로젝트로, 최근 HuggingFace 🤗 MMS-TTS 모델 지원까지 추가되어 더욱 강력해졌습니다.oneMinTTS의 핵심 특징oneMinTTS는 세 가지 주요 특징으로 요약할 수 있습니다:경량화 (Light-Weight): 200kB 미만의 실행 파일로, 모든 필요한 라이브러리가 포함되어 있습니다. 이는 ONNX 음성 합성 애플리케이션의 빠른 배포와 설치를 가능하게 합니다.빠른 개발 (Agile-Dev): 모델 추론을 위한 C++ 파일 하나와 모델 내보내기를 위한 Python 파..

Piper TTS: 간결한 설치 및 사용 가이드1. Piper 소개Piper는 빠르고 로컬에서 실행 가능한 신경망 기반 텍스트 음성 변환(TTS) 시스템입니다. Raspberry Pi 4에 최적화되어 있으며, 고품질 음성 합성을 제공합니다.로컬 실행, 인터넷 불필요VITS로 학습된 고품질 음성다양한 언어 및 화자 스타일 지원ONNX 런타임 사용으로 빠른 추론2. 설치 및 빌드아래와 같이 piper 저장소를 클론하고 빌드합니다.git clone https://github.com/rhasspy/piper.gitcd pipermake3. 음성 모델 다운로드이 명령어는 영어(미국) 음성 모델 파일을 다운로드합니다. 이 ONNX 파일은 Piper가 텍스트를 음성으로 변환할 때 사용하는 핵심 모델입니다.wget h..

'24년 7월 현재 ollama 모델 리스트ollama는 강력한 AI 모델들을 로컬 환경에서 쉽게 실행할 수 있게 해주는 혁신적인 플랫폼입니다. 2024년 현재, ollama의 모델 라이브러리는 다양한 용도와 특성을 가진 AI 모델들로 구성되어 있습니다. 이 글에서는 ollama에서 제공하는 주요 모델들을 간략히 소개하고, 이들의 특징을 살펴보겠습니다.ollama 모델은 무엇인가요ollama에서 각 모델은 특정 작업이나 도메인에 최적화된 고유한 AI 도구입니다. 사용자는 자신의 필요에 가장 적합한 모델을 선택하여 텍스트 생성, 코드 작성, 대화, 분석 등 다양한 작업을 수행할 수 있습니다.주요 모델 리스트모델명주요 특징llama2일반적인 텍스트 생성 및 대화에 적합한 Meta AI의 대규모 언어 모델co..

ollama 모델 관리 및 최적화이번 포스팅에서는 ollama에서 다양한 모델을 관리하고 성능을 최적화하는 방법에 대해 알아보겠습니다.1. 다양한 LLM 모델 탐색 및 설치ollama는 다양한 언어 모델을 지원합니다. 사용 가능한 모델 목록을 확인하려면 다음 명령어를 사용합니다:ollama list새로운 모델을 설치하려면 pull 명령을 사용합니다:ollama pull modelname예를 들어, 'vicuna' 모델을 설치하려면 다음과 같이 입력하면 됩니다.ollama pull vicuna2. 모델 버전 관리 및 업데이트사용 중인 ollama 모델의 현재 버전을 확인하고자 할 때는 다음과 같은 간단한 명령어를 터미널에서 실행하면 됩니다. 이 명령어를 통해 특정 모델의 정확한 버전 정보와 함께 모델의 크..

ollama 첫번째 AI 모델 실행하기안녕하세요! ollama 블로그 강좌 시리즈의 두 번째 강의에 오신 것을 환영합니다. 이번 강의에서는 ollama를 사용하여 첫 번째 AI 모델을 다운로드하고 실행하는 방법을 알아보겠습니다.1. 기본 모델 다운로드ollama에서는 다양한 사전 훈련된 모델을 제공합니다. 우리는 가장 일반적으로 사용되는 'llama2' 모델을 사용할 것입니다. 모델을 다운로드하려면 다음 명령어를 실행합니다:ollama pull llama2이 명령은 llama2 모델을 다운로드합니다. 모델 크기에 따라 시간이 걸릴 수 있으니 기다려주세요.2. 모델 실행 및 대화형 인터페이스 사용모델 다운로드가 완료되면, 다음 명령어로 대화형 인터페이스를 시작할 수 있습니다:ollama run llama2..

ollama 소개 및 WSL 환경 설정안녕하세요! ollama 블로그 강좌 시리즈에 오신 것을 환영합니다. 이번 1강에서는 ollama의 기본 개념을 소개하고, WSL Ubuntu 22.04 환경에서 ollama를 설치하고 설정하는 방법을 알아보겠습니다.1. ollama란 무엇인가?ollama는 대규모 언어 모델(LLM)을 로컬 환경에서 쉽게 실행할 수 있게 해주는 오픈소스 플랫폼입니다. 주요 특징은 다음과 같습니다:다양한 LLM 모델 지원사용자 친화적인 인터페이스로컬 환경에서의 빠른 추론 속도GPU 가속 지원로컬 LLM 실행의 장점개인정보 보호: 데이터가 로컬에서 처리되어 외부 서버로 전송되지 않습니다.비용 절감: 클라우드 API 사용료가 없습니다.커스터마이징: 모델을 자유롭게 수정하고 fine-tun..

ollama vs llama.cpp: 로컬 LLM 실행의 두 가지 접근 방식인공지능과 대규모 언어 모델(LLM)의 발전으로, 이러한 강력한 도구를 로컬 환경에서 실행하고자 하는 수요가 늘어나고 있습니다. 이러한 요구에 부응하여 등장한 두 가지 주요 솔루션인 ollama와 llama.cpp에 대해 자세히 살펴보고 비교해 보겠습니다.1. 개요ollamaollama는 다양한 LLM을 로컬 환경에서 쉽게 실행하고 관리할 수 있게 해주는 플랫폼입니다. 사용자 친화적인 인터페이스와 다양한 모델 지원이 특징입니다.llama.cppllama.cpp는 Meta의 LLaMA 모델을 C/C++로 구현하여 CPU에서 효율적으로 실행할 수 있게 해주는 라이브러리입니다. 저수준 최적화와 경량화에 중점을 둡니다.2. 상세 비교2...

Docker로 llama.cpp 쉽게 실행하기: 대규모 언어 모델의 간편한 활용llama.cpp는 Meta의 LLaMA와 같은 대규모 언어 모델을 순수 C/C++로 구현하여 CPU나 GPU에서 효율적으로 실행할 수 있게 해주는 오픈소스 프로젝트로, 다양한 하드웨어에서 최소한의 의존성으로 고성능 텍스트 생성을 가능하게 합니다.이 포스팅에서는 fboulnois의 llama-cpp-docker 프로젝트를 기반으로 llama.cpp를 Docker 환경에서 손쉽게 실행하는 방법을 소개해드리려고 합니다. 이 프로젝트는 llama.cpp 서버를 이용하여 llama와 같은 대규모 언어 모델을 누구나 쉽게 사용할 수 있도록 해주는 훌륭한 도구입니다.llama-cpp-docker 프로젝트 소개llama-cpp-docker..

허깅페이스 CLI: 효율적인 AI 모델 관리 도구 소개허깅페이스 CLI(Command Line Interface)는 AI 개발자들을 위한 강력한 모델 관리 도구입니다. 이 도구를 사용하면 허깅페이스의 모델 허브에 쉽게 접근하고, 다양한 사전 훈련된 모델을 효율적으로 다운로드 및 관리할 수 있습니다. 이번 블로그에서는 허깅페이스 CLI의 설치 방법과 주요 기능, 그리고 사용 시 주의사항에 대해 자세히 알아보겠습니다.허깅페이스 CLI 설치 방법허깅페이스 CLI를 설치하는 과정은 매우 간단합니다. Python 환경에서 pip를 사용하여 다음 명령어로 설치할 수 있습니다:pip install huggingface_hub설치가 완료된 후, 정상적으로 설치되었는지 확인하려면 다음 명령어를 실행해 보세요:huggin..