#llama2 Repositorios
Descubre 53 repositorios activos de código abierto de GitHub etiquetados con #llama2, que acumulan 197,320 estrellas en total (una media de 3,723 estrellas por proyecto). El líder de este tema es haotian-liu/LLaVA, con 24,232 estrellas.
53 repositorios en total
[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) se construyó para capacidades de nivel GPT-4V y superiores.
¡Bienvenido al Cookbook de Llama! Esta es su guía de referencia para construir con Llama: Primeros pasos con inferencia, fine-tuning, RAG. También le mostramos cómo resolver problemas de extremo a extremo utilizando la familia de modelos Llama y utilizándolos en varios servicios de proveedores.
Ejecute cualquier LLM de código abierto, como DeepSeek y Llama, como un endpoint API compatible con OpenAI en la nube.
Chat privado con GPT local con documentos, imágenes, videos, etc. 100% privado, Apache 2.0. Soporta oLLaMa, Mixtral, llama.cpp y más. Demo: https://gpt.h2o.ai/ https://gpt-docs.h2o.ai/
Framework de bajo código para construir LLMs personalizados, redes neuronales y otros modelos de IA
Un chatbot autoalojado, sin conexión, similar a ChatGPT. Impulsado por Llama 2. 100% privado, sin que los datos salgan de tu dispositivo. Novedad: ¡soporte para Code Llama!
Modelos grandes chinos LLaMA-2 y Alpaca-2 Fase II + modelos de contexto ultra largo de 64K (Chinese LLaMA-2 & Alpaca-2 LLMs with 64K long context models)
Firefly: Herramientas de entrenamiento de modelos grandes, admite el entrenamiento de modelos grandes como 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, etc.
Orquestación de GPU tolerante a fallos, altamente escalable, y un marco de aprendizaje automático diseñado para entrenar modelos con miles de millones a billones de parámetros
Enchanted es una aplicación para iOS y macOS para chatear con modelos de lenguaje privados autohospedados como Llama2, Mistral o Vicuna utilizando Ollama.
H2O LLM Studio: un framework y una GUI sin código para ajustar LLM. Documentación: https://docs.h2o.ai/h2o-llmstudio/
Una serie de grandes modelos de lenguaje desarrollados por Baichuan Intelligent Technology
Soluciones de PNL chinas (grandes modelos, datos, modelos, entrenamiento, inferencia)
Una biblioteca C#/.NET para ejecutar LLM (🦙LLaMA/LLaVA) de manera eficiente en su dispositivo local.
Inferencia de LLM distribuida. Conecte dispositivos domésticos en un clúster potente para acelerar la inferencia de LLM. Más dispositivos significan una inferencia más rápida.
Mejora la salida de Tesseract OCR usando LLMs (local o API) para corrección de errores, fragmentación inteligente y formato markdown de PDFs escaneados
API estilo OpenAI para modelos lingüísticos de gran tamaño abiertos, ¡usando LLM como chatgpt! Soporte para LLaMA, LLaMA-2, BLOOM, Falcon, Baichuan, Qwen, Xverse, SqlCoder, CodeLLaMA, ChatGLM, ChatGLM2, ChatGLM3, etc. Interfaz backend unificada para modelos de lenguaje grandes de código abierto
✨ Agente de IA totalmente autónomo que puede realizar tareas y proyectos complicados utilizando la terminal, el navegador y el editor.
Aila (Metaverso de IA): La herramienta de integración de IA de primer nivel para Windows, macOS y Android. Pregunta una vez, obtén respuestas de más de 10 IA como ChatGPT, Gemini, Claude3, Copilot, Poe, Perplexity y más. Cuenta con IA y prompts personalizables.
Ejecute cualquier Llama 2 localmente con la interfaz de usuario de Gradio en GPU o CPU desde cualquier lugar (Linux/Windows/Mac). Use `llama2-wrapper` como su backend local de llama2 para Agentes/Aplicaciones Generativas.
Una guía completa para crear aplicaciones LLM basadas en RAG para producción.
[ICML 2024] LLMCompiler: Un compilador LLM para llamadas de funciones paralelas
YaRN: Extensión Eficiente de la Ventana de Contexto de Grandes Modelos de Lenguaje
Calcule los requisitos de tokens/s y memoria de GPU para cualquier LLM. Soporta cuantización llama.cpp/ggml/bnb/QLoRA
Tutoriales de LangChain y Prompt Engineering sobre modelos de lenguaje grandes (LLM) como ChatGPT con datos personalizados. Cuadernos de Jupyter sobre carga e indexación de datos, creación de plantillas de indicaciones, agentes CSV y uso de cadenas de recuperación QA para consultar datos personalizados. Proyectos para usar un LLM privado (Llama 2) para chatear con archivos PDF, análisis de sentimiento de tweets.
Un servicio FastAPI para la búsqueda semántica de texto utilizando incrustaciones precalculadas y medidas de similitud avanzadas, con soporte incorporado para varios tipos de archivos a través de textract.
Potencie los Modelos de Lenguaje Grandes (LLM) utilizando la Generación Aumentada por Recuperación basada en Grafos de Conocimiento (KG-RAG) para tareas intensivas en conocimiento
Toolkit para ajustar finamente, eliminar y probar unitariamente LLM de código abierto.
[ICLR 2025] Síntesis de datos de alineación desde cero solicitando LLMs alineados con nada. ¡Su canal eficiente y de alta calidad para la generación de datos sintéticos!
En este proyecto, exploré cómo se pueden usar los LLM locales para etiquetar datos y apoyar análisis. Específicamente, utilicé el modelo Llama2 para categorizar automáticamente mis datos de transacciones bancarias.
Ejemplo para visualizar aplicaciones inteligentes con la pila Copilot de Microsoft para experiencias de producto enriquecidas con IA.
Alineación de los grandes modelos de lenguaje con los humanos: una revisión
[ICLR 2024] Sheared LLaMA: Acelerando el preentrenamiento de modelos de lenguaje a través de la poda estructurada
Utiliza las API de ChatGPT, Bard y Llama2, módulos de Python-Nmap, DNS Recon, PCAP y JWT Recon, y utiliza el modelo GPT3 para crear informes de vulnerabilidad basados en datos de escaneo Nmap e información de escaneo DNS. También puede realizar la enumeración de subdominios en gran medida.
[ECCV2024] Modelo de Lenguaje Grande Multimodal Fundamentado con Tokenización Visual Localizada
Reclutamiento escolar, otoño, primavera, excelentes proyectos de prácticas, te guía para implementar desde cero un framework de inferencia de grandes modelos que soporta Llama2/3 y Qwen2.5.
Entrena e infiere potentes incrustaciones de frases con AnglE | 🔥 SOTA en la tabla de clasificación STS y MTEB
Use Code Llama con Visual Studio Code y la extensión Continue. Una alternativa LLM local a GitHub Copilot.
Construyendo un MiniLLM desde Cero (Preentrenamiento + SFT + DPO en la Práctica)
Preguntas frecuentes
¿Cuál es el repositorio de #llama2 más popular en GitHub?
El proyecto de código abierto de #llama2 mejor posicionado en GitHub es haotian-liu/LLaVA, con 24,232 estrellas. [NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) se construyó para capacidades de nivel GPT-4V y superiores.
¿Qué lenguajes de programación se utilizan más en los repositorios de #llama2?
Entre los proyectos de #llama2 mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, TypeScript, C#.
¿Cómo se calcula la clasificación de los repositorios de #llama2?
Seguimos 53 repositorios activos de código abierto etiquetados con #llama2 (500+ estrellas), que suman un total de 197,320 estrellas, con una media de 3,723 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.