Release full TextEncoder
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 3/5
- Tiempo estimado
- 1-2 días
- Aptitud para principiantes
- 45/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Bien especificado
- Estado de actividad
- Tranquilo
- Stack tecnológico
- huggingface, python
- Área
- ai, machine-learning, release
Línea de trabajo
Start with the model packaging and release workflow around the text_encoder model and LensGptOssEncoder. Confirm where model artifacts are published, then add or validate a non-quantized BFloat16 text_encoder release without changing the existing mxfp4 version. The issue is clear, but a newcomer would first need to learn the project’s model-release process and verify that the new artifact can load and be quantized by downstream applications.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Right now Lens ships with LensGptOssEncoder at https://huggingface.co/microsoft/Lens/tree/main/text_encoder which is pre-quantized using mxfp4 method - which is great for Hopper architecture, but not-so-great for any other GPU due to lack of native FP4 support.
Ask is to release text_encoder in non-quantized BFloat16 so it can be quantized as needed by different apps.
For example, SD.Next prefers its own SDNQ method which among others, has efficient kernels for UINT dtypes and is fully cross-platform compatible (nVidia, AMD, IPEX, etc.)
- Lenguaje dominante
- Python
- Estrellas
- 2
- Forks
- 0
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de microsoft/Lens
-
Verify evals on Papers with CodeAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
-
Dificultad 3/5 1-2 días Aptitud para principiantes 12/100
-
Community: config-driven Lens-Base LoRA trainer (flow-match, Comfy export) — working on 16GBAbierto
Dificultad 4/5 3-5 días Aptitud para principiantes 30/100
-
Dificultad 4/5 3-5 días Aptitud para principiantes 45/100
-
Dificultad 4/5 3-5 días Aptitud para principiantes 42/100
Todos los issues de microsoft/Lens
Issues similares
-
Dificultad 1/5 1-3 horas Aptitud para principiantes 88/100
fossasia/visdom-dev#69 ·
Los mantenedores suelen responder en 3 días
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 75/100
Los mantenedores suelen responder en 1 día
-
Frontend build fails with Frappe version-16: DataImport is no longer exported by @framework/uiAbiertobug
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
Los mantenedores suelen responder en 1 día
-
BUG: PROD: v1.3.0-beta Onboarding Profile Picture Misaligns When Name Validation Error AppearsPosiblemente ocupada @RitikaSen27 la tomó hoy. Abiertobug good first issue
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
AOSSIE-Org/PictoPy#1647 · 2 comentarios ·
Los mantenedores suelen responder en 2 días
-
[oblt-aw][autodoc] Update workflow docs for gh-aw v0.92.5 and detector permission scopePosiblemente ocupada @github-actions la tomó hoy. Abierto
Dificultad 1/5 1-3 horas Aptitud para principiantes 88/100
Los mantenedores suelen responder en 1 día