ycliper

Популярное

Музыка Кино и Анимация Автомобили Животные Спорт Путешествия Игры Юмор

Интересные видео

2025 Сериалы Трейлеры Новости Как сделать Видеоуроки Diy своими руками

Топ запросов

смотреть а4 schoolboy runaway турецкий сериал смотреть мультфильмы эдисон
Скачать

Local Multimodal RAG Pipeline End-to-End Tutorial | On DGX Spark

Автор: Daniel Bourke

Загружено: 2026-01-27

Просмотров: 5943

Описание: Let's build a multimodal RAG (Retrieval Augmented Generation) pipeline using NVIDIA's Nemotron embedding and rerank vision-language models.

Multimodal means we'll be able to embed images and text in the same feature space.

This allows us to search over images and text simultaneously.

We'll learn how to create multimodal embeddings, retrieve them with a query, rerank them if necessary and generate an output based on the retrieved samples.

This is a scalable workflow you could take to many different use cases. If you've got a dataset of documents you need to search over, multimodal RAG could be part of the solution.

All of this was performed locally on a NVIDIA DGX Spark (see here for more: https://nvda.ws/4iQXZU4).

Businesses:
If you're a business who needs help creating their own multimodal RAG pipeline, contact me at: https://www.mrdbourke.com/contact/

Links:
Source code (book version) - https://www.learnhuggingface.com/note...
Source code (GitHub) - https://github.com/mrdbourke/learn-hu...
Source code (Colab) - https://colab.research.google.com/dri...
YouTube playlist of livestreams -    • Multimodal RAG (Retrieval Augmented Genera...  

Resources:
Nemotron RAG models - https://huggingface.co/collections/nv...
A Realistic RAG System by Martin Fowler - https://martinfowler.com/articles/gen...

Timestamps:
0:00 - Intro and overview
1:42 - What is RAG?
2:29 - RAG vs Fine-tuning
3:25 - A realistic RAG setup
4:15 - What we're going to build
8:35 - Ingredients and tools
9:15 - What are embeddings? (Part 1)
12:07 - What are embeddings? (Part 2 - a helpful resource)
12:39 - Step: Creating the embeddings
15:08 - Step: Retrieving results given a query
21:17 - Step: Reranking retrieved results
23:46 - Code Starts
25:05 - Viewing samples in our dataset
26:29 - Loading models from a specific checkpoint on Hugging Face
28:12 - Creating/loading embeddings
30:22 - Looking at example embeddings
31:00 - Always embed your query with the same model as your documents34:07 - Viewing results of matching a query to document embeddings
36:38 - Using an image as a query
39:19 - Step: Reranking outputs
41:01 - Discussing reranking options
45:20 - Visualizing reranked samples versus the original retrieved results47:54 - Step: Loading a generation model
49:52 - Generating a summary of input recipes
50:28 - Creating a demo (locally)
1:00:34 - Uploading our demo to Hugging Face
1:01:58 - Discussing tidbits, notes and extensions

Не удается загрузить Youtube-плеер. Проверьте блокировку Youtube в вашей сети.
Повторяем попытку...
Local Multimodal RAG Pipeline End-to-End Tutorial | On DGX Spark

Поделиться в:

Доступные форматы для скачивания:

Скачать видео

  • Информация по загрузке:

Скачать аудио

Похожие видео

Local Multimodal RAG on the NVIDIA DGX Spark | Part 1 - Creating a dataset

Local Multimodal RAG on the NVIDIA DGX Spark | Part 1 - Creating a dataset

NVIDIA didn't want me to do this

NVIDIA didn't want me to do this

I Thought DGX Spark Was Slower… Until I Changed ONE Thing

I Thought DGX Spark Was Slower… Until I Changed ONE Thing

The Cheapest 4TB DGX Spark Alternative… ASUS GX10

The Cheapest 4TB DGX Spark Alternative… ASUS GX10

400 часов опыта с Claude за 14 минут: Гайд по Vibe Coding

400 часов опыта с Claude за 14 минут: Гайд по Vibe Coding

Распаковка, настройка и первые впечатления от NVIDIA DGX Spark — One plug AI.

Распаковка, настройка и первые впечатления от NVIDIA DGX Spark — One plug AI.

2 метода улучшения поиска в RAG

2 метода улучшения поиска в RAG

Qwen3 Multimodal Embeddings: Finally, RAG That Sees

Qwen3 Multimodal Embeddings: Finally, RAG That Sees

Устранение путаницы: DGX Spark против MacBook Pro

Устранение путаницы: DGX Spark против MacBook Pro

Qwen 3.5 Plus УНИЧТОЖАЕТ платные AI! Бесплатно + уровень Claude Opus

Qwen 3.5 Plus УНИЧТОЖАЕТ платные AI! Бесплатно + уровень Claude Opus

NVIDIA DGX Spark против RTX 4090 | Вывод LLM, скорость обучения и многое другое

NVIDIA DGX Spark против RTX 4090 | Вывод LLM, скорость обучения и многое другое

LLM и GPT - как работают большие языковые модели? Визуальное введение в трансформеры

LLM и GPT - как работают большие языковые модели? Визуальное введение в трансформеры

Anthropic может исчезнуть вместе с Claude

Anthropic может исчезнуть вместе с Claude

End-to-End (small) Vision Language Model Fine-tuning Tutorial | On DGX Spark

End-to-End (small) Vision Language Model Fine-tuning Tutorial | On DGX Spark

КУП 05.03.26. Банки поглощают ВСЁ. Свободной земли в России не существует — всё у них в аренде

КУП 05.03.26. Банки поглощают ВСЁ. Свободной земли в России не существует — всё у них в аренде

Рекурсивные языковые модели (РЛМ) — давайте создадим самых крутых агентов! (Теория и код)

Рекурсивные языковые модели (РЛМ) — давайте создадим самых крутых агентов! (Теория и код)

DGX Spark Live: обработка текста для GraphRAG с использованием LLM до 120 байт

DGX Spark Live: обработка текста для GraphRAG с использованием LLM до 120 байт

Токенизация: почему LLM видит мир не так, как ты

Токенизация: почему LLM видит мир не так, как ты

DGX SPARK превосходит RTX PRO 6000! Демонстрация многоагентного чат-бота с NVIDIA DGX SPARK

DGX SPARK превосходит RTX PRO 6000! Демонстрация многоагентного чат-бота с NVIDIA DGX SPARK

Что НА САМОМ ДЕЛЕ происходит, когда нажимаешь

Что НА САМОМ ДЕЛЕ происходит, когда нажимаешь "ПРИНЯТЬ ВСЕ КУКИ"?

© 2025 ycliper. Все права защищены.



  • Контакты
  • О нас
  • Политика конфиденциальности



Контакты для правообладателей: [email protected]