#multi-gpu-training Repositorios
Descubre 14 repositorios activos de código abierto de GitHub etiquetados con #multi-gpu-training, que acumulan 46,963 estrellas en total (una media de 3,354 estrellas por proyecto). El líder de este tema es karpathy/llm.c, con 30,323 estrellas.
14 repositorios en total
Este es el código fuente de yolo3-pytorch, que se puede utilizar para entrenar su propio modelo.
Un script de entrenamiento paralelo por pipeline para modelos de difusión.
Repositorio para entrenar modelos de separación de fuentes de música.
La investigación en curso entrena modelos de lenguaje Transformer a gran escala, entre ellos: BERT y GPT-2
Modelo basado en atención para aprender a resolver diferentes problemas de enrutamiento
Un framework de subdivisión gaussiana 3D con varios algoritmos derivados y un visor web interactivo
Un marco para la evaluación de modelos de lenguaje autorregresivos para la generación de código.
Ajuste fino de grandes modelos de lenguaje en una GPU de consumo en 2 bits
código para el artículo 'DiGress: Discrete Denoising diffusion for graph generation'
Preguntas frecuentes
¿Cuál es el repositorio de #multi-gpu-training más popular en GitHub?
El proyecto de código abierto de #multi-gpu-training mejor posicionado en GitHub es karpathy/llm.c, con 30,323 estrellas. Entrenamiento de LLM en C/CUDA simple y bruto
¿Qué lenguajes de programación se utilizan más en los repositorios de #multi-gpu-training?
Entre los proyectos de #multi-gpu-training mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, Cuda, C++.
¿Cómo se calcula la clasificación de los repositorios de #multi-gpu-training?
Seguimos 14 repositorios activos de código abierto etiquetados con #multi-gpu-training (500+ estrellas), que suman un total de 46,963 estrellas, con una media de 3,354 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.