Jina-AI 3.5.0 发布,云神经神经云搜索框架


Jina 是一个神经搜索框架,它使任何人都可以在云上构建可扩展且可持续的神经搜索系统,且在几分钟内即可完成。目前 Jina 已发布 3.5.0 版本,带来如下更新:

新的功能

  • [ 6fa5342d] - 使用上下文管理器进行自定义监控 ( #4892 
  • [ 385d6b4b] - 避免同一台机器中的副本并发初始化 ( #4861 )

代码重构

  • [ 16b16b07] - 将 cli 重命名为 jina_cli  (#4890) 
  • [ 5f06cff0] - 删除 hello worlds( #4869)
  • [ 1b05b842] - 删除不必要的代码(#4865)

单元测试和 CICD

  • [ abe735f6] - 更新测试寻路路径(#4870)

更新公告:https://github.com/jina-ai/jina/releases/tag/v3.5.0

 

相關推薦

2022-09-04

修复测试并发异步流 ( #5115 ) 更新公告:https://github.com/jina-ai/jina/releases/tag/v3.8.2

2022-10-26

异常并根据异常采取行动。 更新公告:https://github.com/jina-ai/jina/releases/tag/v3.11.0  

2022-10-01

  其他更新内容可以查看更新公告:https://github.com/jina-ai/jina/releases/tag/v3.10.0

2022-08-22

p; [ 4673e7ab] -docs:更新目录 更新公告:https://github.com/jina-ai/jina/releases/tag/v3.7.13

2022-08-31

降级 linkerd 版本 (#5090)  更新公告:https://github.com/jina-ai/jina/releases/tag/v3.8.0  

2022-07-23

些监控指标的错误 #4974 更新公告:https://github.com/jina-ai/jina/releases/tag/v3.7.0

2022-02-22

上构建可扩展且可持续的神经搜索系统。 Jina 3.0.0 正式发布,该版本的内容主要关于云就绪和集成(cloud-readiness and integration),通过重构架构/通信层,使 Executor 通信更稳定,比以前版本更具可扩展性和健壮性。 Executors: 试

2023-06-15

//graphlearn-torch.readthedocs.io/en/latest/index.html 背景介绍 图神经网络作为一种图数据上表示学习的方法已经被广泛应用在图相关的各个领域,在电商推荐、安全风控、生物分子等领域取得了实际落地。图神经网络由于其独特的数据

2024-07-02

前言 EasyAi的出现对于Java的意义,等同于在JavaWeb领域spring出现的意义一样——做一个开箱即用,让每一个开发者都可以使用EasyAi,来开发符合自己人工智能业务需求的小微模型,这就是它的使命! EasyAi介绍 EasyAi无任何依

2024-08-02

到默认采用动态图并可实现动静统一与训推一体的2.0版本发布,飞桨框架已经可以完美融合动态图的灵活性与静态图的高效性,并支持模型的混合并行训练;再到近日,为大模型时代而锤炼的3.0版本的正式出炉!飞桨正式开启了

2025-03-22

eff Dean 宣布,他们与计算机历史博物馆(CHM)合作,共同发布了 AlexNet 的源代码,并将长期保存这些代码。 开放后的代码库如下: GitHub 链接:https://github.com/computerhistory/AlexNet-Source-Code AlexNet 是一个人工神经网络,用于识

2025-04-02

今天,模力方舟怀着「严谨且真诚」的态度,向全球代码界宣布一项革命性突破 ——Moark-M1,通过独创的 FishNet 神经融合引擎(FishNet Neuro-Fusion Engine, FNFE),实现了「推理速度快过闪电、训练成本低于一杯奶茶、腹有笑话气

2022-05-26

微软在 Build 2022 大会上发布了一些旨在支持 Windows on Arm 的公告。其中包括宣布推出一款与高通合作创建的,基于 Arm 的开发者设备 Project Volterra。Project Volterra 使用骁龙处理器和神经处理单元(NPU),允许开发者构建云原生 AI 应

2022-10-06

行和学习。 本软件是一个手写体数字识别软件,采用BP神经网络,基于colt数学库,有完整源码,可以保存训练结果,基于开源例程neuralnetwork-sample,原作可以在GitHub中找到。主要改进了训练结果保存,并新增500张手写训练样本