#distributed-training Dépôts
Découvrez 147 dépôts GitHub open source actifs associés à #distributed-training, cumulant 615,835 étoiles au total (soit une moyenne de 4,189 étoiles par projet). Le projet en tête de ce thème est tensorflow/models, avec 77,631 étoiles.
147 dépôts au total
Apprenez à développer, déployer et itérer sur des applications ML de qualité production.
La plus grande collection d'encodeurs d'images PyTorch / backbones. Incluant des scripts d'entraînement, d'évaluation, d'inférence, d'exportation et des poids pré-entraînés -- ResNet, ResNeXT, EfficientNet, NFNet, Vision Transformer (ViT), MobileNetV4, MobileNet-V3 & V2, RegNet, DPN, CSPNet, Swin Transformer, MaxViT, CoAtNet, ConvNeXt, et plus
PArallel Distributed Deep LEarning: Framework d'apprentissage automatique issu de la pratique industrielle (Le framework central『FeiJiang』, entraînement hautes performances mono-machine et distribué pour le Deep Learning et le Machine Learning, et déploiement multiplateforme)
Un ensemble d'exemples autour de Pytorch dans les domaines de la vision, du texte, de l'apprentissage par renforcement, etc.
Entraîner des modèles linguistiques Transformer avec l'apprentissage par renforcement.
Bibliothèque LLM et SLM facile à utiliser et puissante avec un incroyable zoo de modèles.
La plateforme de calcul IA pour les équipes de pointe. SkyPilot transforme le calcul IA fragmenté en un superordinateur IA, permettant aux équipes de pointe de construire plus rapidement une intelligence personnalisée.
slime est un framework d’entraînement de LLM conçu pour la mise à l’échelle de l’apprentissage par renforcement.
Fondamentaux des Grands Modèles : Comprenez les bases des grands modèles en un seul article
Tacotron 2 - Implémentation PyTorch avec inférence plus rapide que le temps réel
Meta Lingua : une base de code légère, efficace et facile à cracker pour la recherche sur les LLM.
MindSpore est un nouveau framework d'entraînement/d'inférence d'apprentissage profond open source qui pourrait être utilisé pour les scénarios mobiles, de périphérie et de cloud.
Partage de connaissances AI Infra et pratique de code : PyTorch, vLLM/SGLang, introduction au framework slime/vime ⚡️, accélération des performances 🚀, bases des grands modèles 🧠, logiciels et matériels IA 🔧, etc.
Un framework d'apprentissage profond industriel pour données creuses de haute dimension
Fengshenbang-LM (封神榜大模型) est un système de grand modèle open-source dirigé par le Centre de recherche en calcul cognitif et traitement du langage naturel de l'Institut IDEA, servant d'infrastructure pour l'AIGC chinois et l'intelligence cognitive.
Une implémentation d'un modèle de recommandation d'apprentissage profond (DLRM)
FEDML – La bibliothèque ML unifiée et évolutive pour l'entraînement distribué à grande échelle, la mise à disposition de modèles et l'apprentissage fédéré. FEDML Launch, un planificateur inter-cloud, permet en outre d'exécuter n'importe quel travail d'IA sur n'importe quel cloud GPU ou cluster sur site. Basée sur cette bibliothèque, TensorOpera AI (https://TensorOpera.ai) est votre plateforme d'IA générative à grande échelle.
FlagAI (Fast LArge-scale General AI models) est une boîte à outils rapide, facile à utiliser et extensible pour les modèles à grande échelle.
Deformable DETR : Transformeurs déformables pour la détection d'objets de bout en bout.
Une plateforme pour les systèmes de raisonnement (Apprentissage par renforcement, Bandits contextuels, etc.)
Extensions PyTorch pour l'entraînement haute performance et à grande échelle.
Miles est un framework d'apprentissage par renforcement orienté entreprise pour le post-entraînement de LLM et VLM, dérivé de et co-évoluant avec slime.
Determined est une plateforme open-source d'apprentissage automatique qui simplifie l'entraînement distribué, le réglage des hyperparamètres, le suivi des expériences et la gestion des ressources. Fonctionne avec PyTorch et TensorFlow.
Un algorithme de parallélisme de pipeline bidirectionnel pour le chevauchement calcul-communication dans l'entraînement DeepSeek V3/R1.
Entraînement minimaliste de grands modèles linguistiques avec parallélisme 3D
Implémentation de référence pour le DPO (Direct Preference Optimization)
Cet entrepôt enregistre principalement les questions d'entretien relatives aux ingénieurs d'algorithmes de grands modèles (LLM).
Deep learning décentralisé dans PyTorch. Conçu pour entraîner des modèles sur des milliers de volontaires à travers le monde.
Foire aux questions
Quel est le dépôt #distributed-training le plus populaire sur GitHub ?
Le projet #distributed-training open source le mieux classé sur GitHub est tensorflow/models, avec 77,631 étoiles. Modèles et exemples construits avec TensorFlow
Quels langages de programmation sont les plus utilisés dans les dépôts #distributed-training ?
Parmi les projets #distributed-training les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C++, HTML.
Comment le classement des dépôts #distributed-training est-il calculé ?
Nous suivons 147 dépôts open source actifs associés à #distributed-training (500+ étoiles), totalisant 615,835 étoiles, avec une moyenne de 4,189 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.