#llama2 Repositories
Entdecke 53 aktive Open-Source-GitHub-Repositories, die mit #llama2 getaggt sind und insgesamt 197,320 Sterne gesammelt haben (durchschnittlich 3,723 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist haotian-liu/LLaVA mit 24,232 Sternen.
Insgesamt 53 Repositories
[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) wurde für Fähigkeiten auf GPT-4V-Niveau und darüber hinaus entwickelt.
Willkommen im Llama-Kochbuch! Dies ist Ihr Leitfaden für den Einstieg in Llama: Erste Schritte mit Inferenz, Fine-Tuning, RAG. Wir zeigen Ihnen auch, wie Sie End-to-End-Probleme mit der Llama-Modellfamilie lösen und sie auf verschiedenen Anbieterdiensten einsetzen.
Führen Sie beliebige Open-Source-LLMs wie DeepSeek und Llama als OpenAI-kompatiblen API-Endpunkt in der Cloud aus.
Privater Chat mit lokalem GPT mit Dokumenten, Bildern, Videos usw. 100 % privat, Apache 2.0. Unterstützt oLLaMa, Mixtral, llama.cpp und mehr. Demo: https://gpt.h2o.ai/ https://gpt-docs.h2o.ai/
Low-Code-Framework zum Erstellen benutzerdefinierter LLMs, neuronaler Netze und anderer KI-Modelle
Ein selbst gehosteter, Offline-Chatbot ähnlich wie ChatGPT. Angetrieben von Llama 2. 100% privat, ohne dass Daten Ihr Gerät verlassen. Neu: Code Llama Unterstützung!
Chinesische LLaMA-2 & Alpaca-2 LLMs der zweiten Phase + 64K Super-Long-Context-Modelle (Chinese LLaMA-2 & Alpaca-2 LLMs with 64K long context models)
Firefly: Große Modelltrainingswerkzeuge, unterstützt das Training von großen Modellen wie Qwen2.5, Qwen2, Yi1.5, Phi-3, Llama3, Gemma, MiniCPM, Yi, Deepseek, Orion, Xverse, Mixtral-8x7B, Zephyr, Mistral, Baichuan2, Llma2, Llama, Qwen, Baichuan, ChatGLM2, InternLM, Ziya2, Vicuna, Bloom usw.
Fehlerverzeihende, hoch skalierbare GPU-Orchestrierung und ein Machine-Learning-Framework, das für das Training von Modellen mit Milliarden bis Billionen von Parametern entwickelt wurde
Enchanted ist eine iOS- und macOS-App zum Chatten mit privaten, selbst gehosteten Sprachmodellen wie Llama2, Mistral oder Vicuna über Ollama.
H2O LLM Studio – ein Framework und eine No-Code-GUI zum Fine-Tuning von LLMs. Dokumentation: https://docs.h2o.ai/h2o-llmstudio/
Eine Reihe von großen Sprachmodellen, die von Baichuan Intelligent Technology entwickelt wurden
Chinesische NLP-Lösungen (große Modelle, Daten, Modelle, Training, Inferenz)
Eine C#/.NET-Bibliothek zum effizienten Ausführen von LLMs (🦙LLaMA/LLaVA) auf Ihrem lokalen Gerät.
Verteilte LLM-Inferenz. Verbinden Sie Heimgeräte zu einem leistungsstarken Cluster, um die LLM-Inferenz zu beschleunigen. Mehr Geräte bedeuten schnellere Inferenz.
Verbessert die Ausgabe von Tesseract OCR mit LLMs (lokal oder API) für Fehlerkorrektur, intelligente Chunking und Markdown-Formatierung von gescannten PDFs
OpenAI-Stil-API für offene große Sprachmodelle (LLMs), die LLMs genauso verwenden wie ChatGPT! Unterstützung für LLaMA, LLaMA-2, BLOOM, Falcon, Baichuan, Qwen, Xverse, SqlCoder, CodeLLaMA, ChatGLM, ChatGLM2, ChatGLM3 usw. Einheitliche Backend-Schnittstelle für Open-Source-große Sprachmodelle
✨ Vollständig autonomer KI-Agent, der komplizierte Aufgaben und Projekte über Terminal, Browser und Editor ausführen kann.
Aila (AI-Metaverse): Das führende Tool zur KI-Integration für Windows, macOS und Android. Fragen Sie einmal und erhalten Sie Antworten von über 10 KIs wie ChatGPT, Gemini, Claude3, Copilot, Poe, Perplexity und mehr. Bietet anpassbare KI und Prompts.
Führen Sie jeden Llama 2 lokal mit Gradio UI auf GPU oder CPU von überall (Linux/Windows/Mac) aus. Verwenden Sie `llama2-wrapper` als Ihr lokales Llama2-Backend für Generative Agents/Apps.
Ein umfassender Leitfaden zum Erstellen von RAG-basierten LLM-Anwendungen für die Produktion.
[ICML 2024] LLMCompiler: Ein LLM-Compiler für parallele Funktionsaufrufe
Berechnen Sie den Token/s- & GPU-Speicherbedarf für jedes LLM. Unterstützt Quantisierung von llama.cpp/ggml/bnb/QLoRA
LangChain- und Prompt-Engineering-Tutorials zu Large Language Models (LLMs) wie ChatGPT mit benutzerdefinierten Daten. Jupyter-Notebooks zum Laden und Indizieren von Daten, Erstellen von Prompt-Vorlagen, CSV-Agenten und Verwenden von Retrieval-QA-Ketten zum Abfragen benutzerdefinierter Daten. Projekte zur Verwendung eines privaten LLM (Llama 2) für den Chat mit PDF-Dateien, Tweet-Sentiment-Analyse.
Ein FastAPI-Dienst für semantische Textsuche unter Verwendung vortrainierter Einbettungen und fortschrittlicher Ähnlichkeitsmaße mit integrierter Unterstützung für verschiedene Dateitypen durch Textract.
Befähigen Sie große Sprachmodelle (LLM) mithilfe von wissensgraphenbasierter Retrieval-Augmented Generation (KG-RAG) für wissensintensive Aufgaben
Toolkit zum Feinabstimmen, Ablenken und Unit-Testen von Open-Source-LLMs.
[ICLR 2025] Synthese von Ausrichtungsdaten von Grund auf durch Aufforderung ausgerichteter LLMs mit nichts. Ihre effiziente und qualitativ hochwertige Pipeline zur Generierung synthetischer Daten!
In diesem Projekt untersuchte ich, wie lokale LLMs zur Datenkennzeichnung und zur Unterstützung von Analysen verwendet werden können. Insbesondere verwendete ich das Llama2-Modell, um meine Banktransaktionsdaten automatisch zu kategorisieren.
Beispiel zur Vorstellung von intelligenten Apps mit Microsofts Copilot-Stack für KI-gestützte Produkterlebnisse.
[ICLR 2024] Sheared LLaMA: Beschleunigung des Vortrainings von Sprachmodellen durch strukturierte Beschneidung
Verwendet die ChatGPT API, die Bard API und Llama2, Python-Nmap, DNS Recon, PCAP und JWT Recon-Module und nutzt das GPT3-Modell, um Schwachstellenberichte basierend auf Nmap-Scan-Daten und DNS-Scan-Informationen zu erstellen. Es kann auch Subdomain-Enumerationen in großem Umfang durchführen.
[ECCV2024] Geerdetes multimodales großes Sprachmodell mit lokalisierter visueller Tokenisierung
Schulrekrutierung, Herbstrekrutierung, Frühlingsrekrutierung, tolle Praktika-Projekte, führen Sie von Null an bei der Umsetzung eines Large-Model-Inferenz-Frameworks, das Llama2/3 und Qwen2.5 unterstützt.
Trainiere und inferiere leistungsstarke Satz-Embeddings mit AnglE | 🔥 SOTA auf den STS- und MTEB-Bestenlisten
Verwenden Sie Code Llama mit Visual Studio Code und der Continue-Erweiterung. Eine lokale LLM-Alternative zu GitHub Copilot.
Ein MiniLLM von Grund auf aufbauen (Vortraining + SFT + DPO in der Praxis)
Häufig gestellte Fragen
Welches ist das beliebteste #llama2-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#llama2-Projekt auf GitHub ist haotian-liu/LLaVA mit 24,232 Sternen. [NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) wurde für Fähigkeiten auf GPT-4V-Niveau und darüber hinaus entwickelt.
Welche Programmiersprachen werden in #llama2-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #llama2-Projekten auf GitHub sind Python, Jupyter Notebook, TypeScript, C# die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #llama2-Repositories berechnet?
Wir verfolgen 53 aktive Open-Source-Repositories, die mit #llama2 getaggt sind (500+ Sterne), mit insgesamt 197,320 Sternen und durchschnittlich 3,723 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.