Hugging Face Kernels, 향상된 협업 기능과 GPU 접근으로 대대적 개편

Hugging Face가 Kernels 플랫폼의 포괄적인 개편을 발표하며, AI 모델 개발과 실험을 가속화하도록 설계된 향상된 협업 기능, 확장된 GPU 접근, 그리고 간소화된 워크플로우를 도입했습니다.

주요 내용

• Kernels는 이제 여러 사용자가 동일한 노트북에서 실시간 편집 및 댓글 기능으로 동시에 작업할 수 있는 개선된 실시간 협업 도구를 제공합니다
• 확장된 GPU 접근에는 새로운 인스턴스 유형과 더 긴 세션 지속 시간이 포함되며, 일부 구성에서는 최대 8시간의 연속 컴퓨팅 시간을 제공합니다
• Hugging Face의 모델 허브와의 향상된 통합으로 Kernels 환경 내에서 직접 모델 로딩과 파인튜닝이 가능합니다
• 새로운 템플릿 라이브러리는 이미지 생성, 텍스트 처리, 모델 평가를 포함한 일반적인 AI 작업을 위한 사전 구성된 노트북을 제공합니다
• 개선된 버전 관리 및 실험 추적으로 사용자가 반복적인 모델 개발 워크플로우를 관리할 수 있습니다

향상된 협업 기능으로 팀 워크플로우 혁신

업데이트된 Kernels 플랫폼은 여러 연구자가 동일한 노트북에서 동시에 작업할 수 있는 실시간 협업 편집 기능을 도입했습니다. 사용자는 이제 노트북 인터페이스 내에서 직접 인라인 댓글을 남기고, 변경 사항을 제안하며, 팀 멤버의 기여도를 추적할 수 있습니다. 이러한 협업 접근 방식은 개발자들이 현대적인 코드 에디터에서 기대하는 것과 유사하지만 AI 실험 워크플로우에 특별히 맞춤화되었습니다.

플랫폼은 또한 공유 작업공간 기능을 추가하여 팀이 프로젝트 전반에 걸쳐 일관된 환경을 유지할 수 있게 합니다. 이미지 생성 모델 작업 시, 팀은 이제 프롬프트 라이브러리, 모델 구성, 평가 지표를 다양한 노트북과 실험에서 원활하게 공유할 수 있습니다.

확장된 GPU 접근으로 집약적인 AI 워크로드 지원

Hugging Face는 Kernels 내 GPU 가용성을 대폭 확장하여 더 까다로운 AI 워크로드를 지원하는 새로운 인스턴스 유형을 제공합니다. 플랫폼은 이제 대규모 모델 파인튜닝과 멀티모달 AI 개발에 특별히 최적화된 고메모리 GPU 구성에 대한 접근을 제공합니다.

세션 지속 시간 제한이 연장되어 프리미엄 티어에서는 세션당 최대 8시간의 연속 컴퓨팅 시간을 제공합니다. 이러한 확장된 접근은 긴 훈련 실행이나 광범위한 하이퍼파라미터 최적화 사이클이 필요한 이미지 생성 워크플로우에 특히 유용합니다.

간소화된 모델 허브 통합

Kernels는 이제 Hugging Face의 모델 저장소와 더 깊은 통합을 제공하여 사용자가 복잡한 설정 절차 없이 허브에서 직접 모델을 로드하고 실험할 수 있습니다. 플랫폼은 모델 다운로드, 종속성 관리, 환경 구성을 자동으로 처리합니다.

AI 아트 창작자들에게 이는 새로운 이미지 생성 모델이 출시될 때 더 빠른 실험을 의미합니다. 사용자는 Kernels 환경을 벗어나지 않고도 다양한 모델 변형을 빠르게 테스트하고, 출력을 비교하며, 매개변수를 파인튜닝할 수 있습니다.

템플릿 라이브러리로 프로젝트 설정 가속화

새로운 템플릿 라이브러리는 일반적인 AI 개발 작업을 위한 사전 구성된 노트북을 제공합니다. 템플릿은 이미지 생성 워크플로우, 프롬프트 엔지니어링 실험, 모델 평가 절차, 멀티모달 AI 애플리케이션을 다룹니다.

각 템플릿에는 샘플 코드, 문서, 모범 사례가 포함되어 새 프로젝트를 시작하는 데 필요한 시간을 단축합니다. 템플릿은 또한 최적의 리소스 사용 패턴을 보여주어 사용자가 사용 가능한 GPU 시간과 저장 공간을 효율적으로 활용할 수 있도록 돕습니다.

개선된 실험 추적 및 버전 관리

Kernels는 이제 모델 매개변수, 훈련 지표, 출력 샘플을 자동으로 기록하는 내장 실험 추적 기능을 포함합니다. 이 기능은 시각적 품질 평가가 다양한 모델 구성에 걸친 체계적인 비교를 필요로 하는 이미지 생성 프로젝트에 특히 유용합니다.

플랫폼의 향상된 버전 관리 시스템은 노트북 변경 사항의 상세한 기록을 유지하여 성공적인 실험을 재현하거나 문제가 있는 수정 사항을 되돌리기 쉽게 만듭니다. 사용자는 실험을 분기하고, 성공적인 접근 방식을 병합하며, 전통적인 소프트웨어 개발 관행과 유사한 깔끔한 개발 워크플로우를 유지할 수 있습니다.