#peft Dépôts
Découvrez 20 dépôts GitHub open source actifs associés à #peft, cumulant 169,767 étoiles au total (soit une moyenne de 8,488 étoiles par projet). Le projet en tête de ce thème est hiyouga/LlamaFactory, avec 76,171 étoiles.
20 dépôts au total
Utilisez le PEFT ou l’entraînement de tous les paramètres pour appliquer CPT/SFT/DPO/GRPO à plus de 600 LLM (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) et plus de 300 MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4, ...) (AAAI 2025).
Affinez les LLM à partir d'un YAML. Le streaming par couches entraîne un modèle 8B sur un GPU de laptop de 4 Go.
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.
Vidéos du cours Huggingface Transformers "pas à pas" mises à jour simultanément sur Bilibili et YouTube
Créez, personnalisez et contrôlez vos propres LLM. Du prétraitement des données au réglage fin, xTuring offre un moyen simple de personnaliser les LLM open-source. Rejoignez notre communauté Discord : https://discord.gg/TgHXuSJEk6
Ajustez finement les LLMs sur votre Mac avec Apple Silicon. SFT, DPO, GRPO, Vision, TTS, STT, Embedding et ajustement fin d'OCR — nativement sur MLX. API compatible avec Unsloth.
Recherche sur l'architecture DeepSeek Engram basée sur Qwen-3 et la série Stable Diffusion.
Boîte à outils de quantification (compression) de modèles LLM, avec prise en charge de l’accélération matérielle pour Nvidia CUDA, AMD ROCm, Intel XPU, Tenstorrent, les NPU Huawei Ascend et les processeurs Intel/AMD/Apple via HF, vLLM et SGLang.
Article accepté par CIKM 2024. Codes de GongBU, une plateforme de fine-tuning LLM pour l'adaptation spécifique à un domaine.
Un cadre pour le traitement de la parole, du langage, de l'audio et de la musique avec des grands modèles de langage
Dépôt officiel de mon livre "Un guide pratique pour le réglage fin des LLM avec PyTorch et Hugging Face"
Halo est un framework open source développé par White Circle pour entraîner des modèles de langage de grande taille et des modèles multimodaux
Prévalidation de l’affinage d’un LLM sur un seul GPU : estimations de mémoire, recettes LoRA/QLoRA exécutables et mesures locales.
Foire aux questions
Quel est le dépôt #peft le plus populaire sur GitHub ?
Le projet #peft open source le mieux classé sur GitHub est hiyouga/LlamaFactory, avec 76,171 étoiles. Affinage efficace unifié de plus de 100 LLM et VLM (ACL 2024)
Quels langages de programmation sont les plus utilisés dans les dépôts #peft ?
Parmi les projets #peft les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Svelte.
Comment le classement des dépôts #peft est-il calculé ?
Nous suivons 20 dépôts open source actifs associés à #peft (500+ étoiles), totalisant 169,767 étoiles, avec une moyenne de 8,488 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.