从 GPT2 到 Stable Diffusion：Hugging Face 进驻 Elixir 社区
Elixir 社区很高兴地宣布，从 GPT2 到 Stable Diffusion 的多个神经网络模型已引入 Elixir。这得益于刚刚发布的 Bumblebee 库，该库是 Hugging Face Transformers 的纯 Elixir 实现。
为了帮助大家开始使用这些模型，Livebook（一个用于 Elixir 的计算型记事本平台）背后的团队创建了一系列“智能单元”，让开发者仅需 3 次点击即可构建不同的神经网络任务。您可以观看我的视频公告以了解更多信息。
得益于 Elixir 运行所在的 Erlang 虚拟机对并发和分布式的支持，开发者可以将这些模型嵌入并作为其现有 Phoenix Web 应用程序的一部分来提供服务，集成到其 Broadway 数据处理管道中，并将其与 Nerves 嵌入式系统一同部署——而无需依赖第三方库。在所有这些场景中，Bumblebee 模型都可以编译到 CPU 和 GPU。
背景
将机器学习引入 Elixir 的努力始于近两年前的 Numerical Elixir (Nx) 项目。Nx 项目实现了多维张量以及“数值定义”（Elixir 的一个子集，可编译到 CPU/GPU）。Nx 并未重复造轮子，而是使用 Google XLA (EXLA) 和 Libtorch (Torchx) 的绑定进行 CPU/GPU 编译。
Nx 项目还催生了其他几个项目。Axon 为 Elixir 带来了函数式可组合的神经网络，其灵感来源于 Flax 和 PyTorch Ignite 等项目。Explorer 项目借鉴了 dplyr 和 Rust 的 Polars，为 Elixir 社区提供了富有表现力且性能卓越的数据帧。
Bumblebee 和 Tokenizers 是我们最新发布的项目。我们感谢 Hugging Face 促进了跨社区和工具的协作式机器学习，这在推动 Elixir 生态系统的快速发展中发挥了至关重要的作用。
接下来，我们计划专注于 Elixir 中神经网络的训练和迁移学习，让开发者能够根据其业务和应用的需求来增强和定制预训练模型。我们还希望发布更多关于我们传统机器学习算法开发的内容。
到你了
如果你想试用 Bumblebee，你可以
下载 Livebook v0.8，然后在你的记事本中通过 "+ Smart" 单元格菜单自动生成“神经网络任务”。我们目前正在努力让 Livebook 在更多平台和 Spaces 上运行（敬请期待！😉）。
我们还编写了单文件 Phoenix 应用程序，作为在你的 Phoenix (+ LiveView) 应用中使用 Bumblebee 模型的示例。这些示例应能提供必要的构建模块，以便将其集成到你的生产应用中。
如果想更深入地动手实践，请阅读我们的记事本。
如果你想帮助我们为 Elixir 构建机器学习生态系统，请查看上述项目并尝试使用它们。这里有许多有趣的领域，从编译器开发到模型构建。例如，我们非常欢迎为 Bumblebee 带来更多模型和架构的拉取请求。未来是并发的、分布式的，并且充满乐趣！
