#model-training Repositories
Entdecke 37 aktive Open-Source-GitHub-Repositories, die mit #model-training getaggt sind und insgesamt 187,631 Sterne gesammelt haben (durchschnittlich 5,071 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist ultralytics/yolov5 mit 58,290 Sternen.
Insgesamt 37 Repositories
Ultralytics YOLOv5 in PyTorch für Objekterkennung, Instanzsegmentierung, Klassifizierung, Training und Export.
Die wahre herzzerreißende und dunkle Geschichte hinter der Entwicklung des Pangu-Großmodells von Noah.
PyTorch-Implementierung von YOLOv3, YOLOv3-SPP und YOLOv3-tiny für Echtzeit-Objekterkennung mit Training, Validierung, Inferenz und Export in verschiedene Formate.
Typsichere, verteilte Orchestrierung von Agenten, ML-Pipelines und Echtzeit-Inferenz auf Ihrem k8s – in reinem Python mit async/await sowie in weiteren Sprachen (Rust, Go und TypeScript)
🚀 Tolles System für Machine Learning ⚡️ AI-Systempapiere und Branchenpraxis. ⚡️ System für Machine Learning, LLM (Large Language Model), GenAI (Generative AI). 🍻 OSDI, NSDI, SIGCOMM, SoCC, MLSys usw. 🗃️ Llama3, Mistral usw. 🧑💻 Video-Tutorials.
"Build a Large Language Model (From Scratch)" ist ein E-Book, das tief in die Prinzipien und die Implementierung großer Sprachmodelle eintaucht und sich an Lernende richtet, die die Architekturen, Trainingsprozesse und Anwendungsentwicklung von großen Modellen wie GPT verstehen möchten. Damit mehr chinesische Leser diese äußerst wertvolle Anleitung erhalten können, habe ich beschlossen, sie ins Chinesische zu übersetzen und über GitHub Open Source zu teilen.
[NeurIPS 2026] DataFlex: Ein einheitlicher Benchmark und eine Evaluierungsplattform für das datenorientierte Training großer Sprachmodelle
Implementierung von Dreambooth (https://arxiv.org/abs/2208.12242) mittels Textual Inversion (https://arxiv.org/abs/2208.01618) für Stable Diffusion (https://arxiv.org/abs/2112.10752). Tweaks konzentriert auf das Training von Gesichtern, Objekten und Stilen.
Ein bidirektionaler Pipeline-Parallelismus-Algorithmus für die Berechnung-Kommunikations-Überlappung beim DeepSeek V3/R1-Training.
Developer Asset Hub für NVIDIA Nemotron — Eine All-in-One-Ressource für Trainingsrezepte, Anwendungskochbücher, Datensätze und vollständige End‑to‑End-Referenzbeispiele zum Erstellen mit Nemotron-Modellen.
📹 Ein flexibleres Framework, das Videos in jeder Auflösung generieren und Videos aus Bildern erstellen kann.
prompt2model - Generiere bereitstellbare Modelle aus Anweisungen in natürlicher Sprache
Repository zum Trainieren von Modellen für die Musikquellentrennung.
InstructLab Core-Paket. Verwenden Sie dies, um mit einem Modell zu chatten und den InstructLab-Workflow auszuführen, um ein Modell mit benutzerdefinierten Taxonomiedaten zu trainieren.
KI-natives, cloud-natives Dateisystem in Rust. Vollständige POSIX-Unterstützung auf Objektspeicher mit einem mehrstufigen verteilten Cache – für KI-Training, Inferenz und Agenten. CNCF-Sandbox-Projekt.
Quellcode-Analyse des leichtgewichtigen großen Sprachmodells MiniMind, einschließlich der vollständigen Abläufe von Tokenizer, RoPE, MoE, KV Cache, Pretraining, SFT, LoRA, DPO.
Eine flexible und effiziente Codebasis für das Training von visuell-konditionierten Sprachmodellen (VLMs)
Das Trainingsprogramm für libfacedetection zur Gesichtserkennung und 5-Landmarken-Erkennung.
DiffuCoder: Verständnis und Verbesserung von Masked Diffusion Models für die Code-Generierung
Lesbare, skalierbare, reproduzierbare Fundamentmodelle mit benannten Tensoren und Jax
End-to-End-YOLOv4/v3/v2-Objekterkennungs-Pipeline, implementiert auf tf.keras mit verschiedenen Technologien
Häufig gestellte Fragen
Welches ist das beliebteste #model-training-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#model-training-Projekt auf GitHub ist ultralytics/yolov5 mit 58,290 Sternen. Ultralytics YOLOv5 in PyTorch für Objekterkennung, Instanzsegmentierung, Klassifizierung, Training und Export.
Welche Programmiersprachen werden in #model-training-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #model-training-Projekten auf GitHub sind Python, Jupyter Notebook, Go, HTML die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #model-training-Repositories berechnet?
Wir verfolgen 37 aktive Open-Source-Repositories, die mit #model-training getaggt sind (500+ Sterne), mit insgesamt 187,631 Sternen und durchschnittlich 5,071 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.