Git Stars Git Stars

#efficient-training Repositorios

Descubre 4 repositorios activos de código abierto de GitHub etiquetados con #efficient-training, que acumulan 14,349 estrellas en total (una media de 3,587 estrellas por proyecto). El líder de este tema es artidoro/qlora, con 10,804 estrellas.

4
Total de Repositorios
14,349
Total de estrellas
3,587
Promedio de Estrellas/Repo
Lenguajes de programación: Jupyter Notebook Python
1
artidoro/qlora

QLoRA: Finetuning eficiente de LLM cuantizados

artidoro
⭐ 10,804 Jupyter Notebook 👤 artidoro User 🕐 Actualizado 2024-06-10 📅 Creado 2023-05-11
2
Ucas-HaoranWei/Vary

[ECCV 2024] Implementación oficial del código de Vary: Scaling Up the Vision Vocabulary of Large Vision Language Models.

Ucas-HaoranWei
⭐ 1,888 Python 👤 Ucas-HaoranWei User 🕐 Actualizado 2024-12-30 📅 Creado 2023-12-07
3
yashbhalgat/HashNeRF-pytorch

Implementación pura de PyTorch del artículo de NVIDIA sobre entrenamiento instantáneo de primitivas gráficas neuronales: https://nvlabs.github.io/instant-ngp/

yashbhalgat
⭐ 1,023 Python 👤 yashbhalgat User 🕐 Actualizado 2024-08-07 📅 Creado 2022-01-23
4
McGill-NLP/nano-aha-moment

Archivo único, GPU única, Desde cero, Eficiente, Biblioteca de ajuste de parámetros completos para "RL for LLMs"

McGill-NLP
⭐ 634 Jupyter Notebook 👤 McGill-NLP Organization 🕐 Actualizado 2025-10-07 📅 Creado 2025-02-25

Preguntas frecuentes

1

¿Cuál es el repositorio de #efficient-training más popular en GitHub?

El proyecto de código abierto de #efficient-training mejor posicionado en GitHub es artidoro/qlora, con 10,804 estrellas. QLoRA: Finetuning eficiente de LLM cuantizados

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #efficient-training?

Entre los proyectos de #efficient-training mejor posicionados en GitHub, los lenguajes de programación más comunes son Jupyter Notebook, Python.

3

¿Cómo se calcula la clasificación de los repositorios de #efficient-training?

Seguimos 4 repositorios activos de código abierto etiquetados con #efficient-training (500+ estrellas), que suman un total de 14,349 estrellas, con una media de 3,587 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.