#lora Repositorios
Descubre 141 repositorios activos de código abierto de GitHub etiquetados con #lora, que acumulan 626,328 estrellas en total (una media de 4,442 estrellas por proyecto). El líder de este tema es hiyouga/LlamaFactory, con 76,171 estrellas.
141 repositorios en total
🧑🏫 60+ Implementaciones/tutoriales de artículos de aprendizaje profundo con notas una al lado de la otra 📝; incluyendo transformers (original, xl, switch, feedback, vit, ...), optimizadores (adam, adabelief, sophia, ...), gans (cyclegan, stylegan2, ...), 🎮 aprendizaje por refuerzo (ppo, dqn), capsnet, destilación, ... 🧠
La "Guía para el consumo de grandes modelos de código abierto" es un tutorial especialmente diseñado para bebés chinos para realizar ajustes finos rápidos (parámetros completos/Lora) y desplegar grandes modelos de código abierto (LLM)/grandes modelos multimodales (MLLM) nacionales e internacionales en un entorno Linux.
Modelos de Lenguaje Grandes LLaMA y Alpaca Chinos + Entrenamiento e Implementación Local en CPU/GPU (Chinese LLaMA & Alpaca LLMs)
Utiliza PEFT o entrenamiento con todos los parámetros para aplicar CPT/SFT/DPO/GRPO a más de 600 LLM (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) y más de 300 MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4, ...) (AAAI 2025).
Código para loralib, una implementación de "LoRA: Low-Rank Adaptation of Large Language Models"
Entrenador de refuerzo de agentes: entrena agentes de varios pasos para tareas del mundo real usando GRPO. Brinda a tus agentes capacitación en el trabajo. ¡Aprendizaje por refuerzo para Qwen3.6, GPT-OSS, Llama y más!
Ajuste fino de LLMs desde un YAML. El streaming por capas entrena un modelo de 8B en una GPU de portátil de 4 GB.
FaceChain es una cadena de herramientas de aprendizaje profundo para generar tu gemelo digital.
¡Ajusta finamente (SFT/RL), evalúa y despliega Qwen, Gemma o cualquier LLM/VLM agéntico de código abierto!
El firmware oficial para Meshtastic, un sistema de comunicación mesh de código abierto y fuera de la red.
BELLE: Sea el Motor de Modelo Lingüístico Grande de Todos (Modelo Grande de Diálogo Chino de Código Abierto)
La pila de red basada en criptografía para construir redes imparables con LoRa, Packet Radio, WiFi y todo lo que hay en medio.
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.
SD-Trainer. Scripts y GUI de entrenamiento LoRA & Dreambooth utilizan el entrenador de kohya-ss para modelos de difusión.
Implementación del modelo de lenguaje LLaMA basado en nanoGPT. Soporta atención flash, cuantización Int8 y GPTQ de 4 bits, ajuste fino LoRA y LLaMA-Adapter, pre-entrenamiento. Licencia Apache 2.0.
El entorno de investigación de código abierto para investigadores de IA que permite entrenar, evaluar y escalar modelos de manera fluida, desde hardware local hasta clústeres GPU.
Gateway MQTT para ESP8266 o ESP32 con comunicaciones bidireccionales 433MHz/315MHz/868MHz, infrarrojas, BLE, Bluetooth, detección de beacons, mi flora, mi jia, LYWSD02, LYWSD03MMC, Mi Scale, TPMS, compatibilidad con termómetro BBQ & LoRa.
Un nuevo protocolo de malla de enrutamiento híbrido ligero para radios de paquetes
[ICLR2025 Spotlight] SVDQuant: Absorción de valores atípicos mediante componentes de bajo rango para modelos de difusión de 4 bits
OneTrainer es una solución integral para todas sus necesidades de entrenamiento de Diffusion.
PJON (Padded Jittering Operative Network) es un protocolo de red experimental, compatible con Arduino, multi-maestro y multi-media.
Una biblioteca unificada para el aprendizaje por transferencia eficiente en parámetros y modular
Crea, personaliza y controla tus propios LLM. Desde el preprocesamiento de datos hasta el ajuste fino, xTuring ofrece una forma sencilla de personalizar los LLM de código abierto. Únete a nuestra comunidad de Discord: https://discord.gg/TgHXuSJEk6
📹 Un marco más flexible que puede generar videos en cualquier resolución y crea videos a partir de imágenes.
Medición de flujo de pasajeros impulsada por Wi-Fi y BLE con placas ESP32 baratas
Preguntas frecuentes
¿Cuál es el repositorio de #lora más popular en GitHub?
El proyecto de código abierto de #lora mejor posicionado en GitHub es hiyouga/LlamaFactory, con 76,171 estrellas. Ajuste fino eficiente unificado de más de 100 LLM y VLM (ACL 2024)
¿Qué lenguajes de programación se utilizan más en los repositorios de #lora?
Entre los proyectos de #lora mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C++, C.
¿Cómo se calcula la clasificación de los repositorios de #lora?
Seguimos 141 repositorios activos de código abierto etiquetados con #lora (500+ estrellas), que suman un total de 626,328 estrellas, con una media de 4,442 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.