#llama2 Dépôts
Découvrez 53 dépôts GitHub open source actifs associés à #llama2, cumulant 197,320 étoiles au total (soit une moyenne de 3,723 étoiles par projet). Le projet en tête de ce thème est haotian-liu/LLaVA, avec 24,232 étoiles.
53 dépôts au total
[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) a été développé pour des capacités de niveau GPT-4V et au-delà.
Bienvenue dans le Cookbook Llama ! Ceci est votre guide de référence pour la création avec Llama : Démarrage avec l'inférence, le fine-tuning et le RAG. Nous vous montrons également comment résoudre des problèmes de bout en bout en utilisant la famille de modèles Llama et en les utilisant sur divers services fournisseurs.
Exécutez n'importe quel LLM open-source, tel que DeepSeek et Llama, en tant qu'endpoint API compatible avec OpenAI dans le cloud.
Chat privé avec GPT local avec documents, images, vidéos, etc. 100 % privé, Apache 2.0. Prend en charge oLLaMa, Mixtral, llama.cpp et plus encore. Démo : https://gpt.h2o.ai/ https://gpt-docs.h2o.ai/
Framework low-code pour construire des LLMs personnalisés, des réseaux neuronaux et d'autres modèles d'IA
Un chatbot auto-hébergé, hors ligne, similaire à ChatGPT. Propulsé par Llama 2. 100% privé, aucune donnée ne quitte votre appareil. Nouveauté : prise en charge de Code Llama !
Grandes modèles chinois LLaMA-2 & Alpaca-2 Phase II + modèles à contexte ultra-long de 64K (Chinese LLaMA-2 & Alpaca-2 LLMs with 64K long context models)
Firefly : Outils d'entraînement de grands modèles, prend en charge l'entraînement de grands modèles tels que 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.
Orchestration GPU tolérante aux pannes, hautement scalable, et un framework d'apprentissage automatique conçu pour entraîner des modèles avec des milliards à des trillions de paramètres
Enchanted est une application pour iOS et macOS permettant de discuter avec des modèles linguistiques privés auto-hébergés tels que Llama2, Mistral ou Vicuna en utilisant Ollama.
H2O LLM Studio - un framework et une interface graphique sans code pour le fine-tuning des LLM. Documentation : https://docs.h2o.ai/h2o-llmstudio/
Une série de grands modèles linguistiques développés par Baichuan Intelligent Technology
Solutions NLP chinoises (grands modèles, données, modèles, entraînement, inférence)
Une bibliothèque C#/.NET pour exécuter efficacement des LLM (🦙LLaMA/LLaVA) sur votre appareil local.
Inférence LLM distribuée. Connectez les appareils domestiques en un cluster puissant pour accélérer l'inférence LLM. Plus d'appareils signifie une inférence plus rapide.
Améliore la sortie de Tesseract OCR en utilisant des LLMs (locaux ou API) pour la correction d'erreurs, le découpage intelligent et le formatage markdown des PDF scannés
API de style OpenAI pour les grands modèles de langage ouverts, utilisant les LLM tout comme chatgpt ! Prise en charge de LLaMA, LLaMA-2, BLOOM, Falcon, Baichuan, Qwen, Xverse, SqlCoder, CodeLLaMA, ChatGLM, ChatGLM2, ChatGLM3 etc. Interface backend unifiée pour les grands modèles de langage open source
✨ Agent IA entièrement autonome capable d'accomplir des tâches et des projets complexes à l'aide du terminal, du navigateur et de l'éditeur.
Aila (Métavers IA) : L'outil d'intégration IA de premier plan pour Windows, macOS et Android. Demandez une fois, obtenez des réponses de plus de 10 IA comme ChatGPT, Gemini, Claude3, Copilot, Poe, Perplexity et plus encore. Comprend une IA et des invites personnalisables.
Exécutez n'importe quel Llama 2 localement avec l'interface utilisateur Gradio sur GPU ou CPU depuis n'importe où (Linux/Windows/Mac). Utilisez `llama2-wrapper` comme backend llama2 local pour les agents/applications génératifs.
Un guide complet pour la création d'applications LLM basées sur RAG pour la production.
[ICML 2024] LLMCompiler : Un compilateur LLM pour les appels de fonctions parallèles
YaRN : Extension efficace de la fenêtre de contexte des grands modèles de langage
Calculez les exigences en mémoire GPU/token pour tout LLM. Prend en charge la quantification llama.cpp/ggml/bnb/QLoRA
Tutoriels LangChain et Prompt Engineering sur les grands modèles de langage (LLM) tels que ChatGPT avec des données personnalisées. Cahiers Jupyter sur le chargement et l'indexation des données, la création de modèles de invites, les agents CSV et l'utilisation de chaînes de récupération QA pour interroger les données personnalisées. Projets d'utilisation d'un LLM privé (Llama 2) pour discuter avec des fichiers PDF, analyse des sentiments des tweets.
Un service FastAPI pour la recherche sémantique de texte à l'aide d'embeddings précalculés et de mesures de similarité avancées, avec prise en charge intégrée de divers types de fichiers via textract.
Donnez aux grands modèles de langage (LLM) le pouvoir de la génération augmentée par récupération basée sur des graphes de connaissances (KG-RAG) pour les tâches à forte intensité de connaissances
Boîte à outils pour l'affinage, l'ablation et les tests unitaires des LLM open-source.
[ICLR 2025] Synthèse de données d'alignement à partir de zéro en invitant des LLM alignés avec rien. Votre pipeline de génération de données synthétiques efficace et de haute qualité !
Dans ce projet, j'ai exploré comment les LLM locaux peuvent être utilisés pour labelliser les données et soutenir les analyses. Plus précisément, j'ai utilisé le modèle Llama2 pour catégoriser automatiquement mes données de transactions bancaires.
Exemple pour imaginer des applications intelligentes avec la pile Copilot de Microsoft pour des expériences produit infusées par l'IA.
[ICLR 2024] Sheared LLaMA : Accélérer le pré-entraînement des modèles linguistiques par élagage structuré
Utilise les API ChatGPT, Bard et Llama2, les modules Python-Nmap, DNS Recon, PCAP et JWT Recon, et utilise le modèle GPT3 pour créer des rapports de vulnérabilité basés sur les données de scan Nmap et les informations de scan DNS. Il peut également effectuer l'énumération de sous-domaines dans une large mesure.
[ECCV2024] Grand modèle linguistique multimodal fondé avec tokenisation visuelle localisée
Projets de recrutement scolaire, automne, printemps, stages excellents, vous guidez pour implémenter de zéro un framework d'inférence de grands modèles supportant Llama2/3 et Qwen2.5.
Entraînez et déduisez de puissants plongements de phrases avec AnglE | 🔥 SOTA sur le classement STS et MTEB
Utilisez Code Llama avec Visual Studio Code et l'extension Continue. Une alternative LLM locale à GitHub Copilot.
Construire un MiniLLM de A à Z (Pré-entraînement + SFT + DPO en pratique)
Foire aux questions
Quel est le dépôt #llama2 le plus populaire sur GitHub ?
Le projet #llama2 open source le mieux classé sur GitHub est haotian-liu/LLaVA, avec 24,232 étoiles. [NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) a été développé pour des capacités de niveau GPT-4V et au-delà.
Quels langages de programmation sont les plus utilisés dans les dépôts #llama2 ?
Parmi les projets #llama2 les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, TypeScript, C#.
Comment le classement des dépôts #llama2 est-il calculé ?
Nous suivons 53 dépôts open source actifs associés à #llama2 (500+ étoiles), totalisant 197,320 étoiles, avec une moyenne de 3,723 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.