#distributed-training Repository
Scopri 147 repository GitHub open source attivi contrassegnati con #distributed-training, che raccolgono un totale di 615,835 stelle (con una media di 4,189 stelle per progetto). Il progetto leader di questo argomento è tensorflow/models, con 77,631 stelle.
147 repository in totale
Impara a sviluppare, distribuire e iterare applicazioni ML di livello produttivo.
La più grande collezione di encoder di immagini PyTorch / backbone. Inclusi script di training, eval, inferenza, export e pesi preaddestrati -- ResNet, ResNeXT, EfficientNet, NFNet, Vision Transformer (ViT), MobileNetV4, MobileNet-V3 & V2, RegNet, DPN, CSPNet, Swin Transformer, MaxViT, CoAtNet, ConvNeXt e altro
verl/HybridFlow: Un Framework Flessibile ed Efficiente per il Post-Addestramento RL
PArallel Distributed Deep LEarning: Framework di Machine Learning dalla Pratica Industriale (Il framework centrale『FeiJiang』, addestramento ad alte prestazioni single-node e distribuito per Deep Learning e Machine Learning e deployment cross-platform)
Una serie di esempi su Pytorch in Vision, Testo, Apprendimento per Rinforzo, ecc.
Libreria LLM e SLM facile da usare e potente con un eccezionale zoo di modelli.
La piattaforma di calcolo AI per team all'avanguardia. SkyPilot trasforma il calcolo AI frammentato in un supercomputer AI, consentendo ai team all'avanguardia di costruire intelligenza personalizzata più velocemente.
slime è un framework per l’addestramento di LLM pensato per scalare l’apprendimento per rinforzo.
Fondamenti dei Grandi Modelli: Comprendi le basi dei grandi modelli in un unico articolo
Una piattaforma nativa PyTorch per l'addestramento di modelli di intelligenza artificiale generativa
Meta Lingua: una codebase snella, efficiente e facile da modificare per la ricerca sugli LLM.
MindSpore è un nuovo framework di training/inferenza per deep learning open source che potrebbe essere utilizzato per scenari mobili, edge e cloud.
Condivisione di conoscenze AI Infra e pratica di codice: PyTorch, vLLM/SGLang, introduzione al framework slime/vime ⚡️, accelerazione delle prestazioni 🚀, basi dei modelli grandi 🧠, software e hardware AI 🔧, ecc.
Un framework di deep learning industriale per dati sparsi ad alta dimensione
Fengshenbang-LM (封神榜大模型) è un sistema open-source di grandi modelli guidato dal Research Center for Cognitive Computing and Natural Language Processing dell'IDEA Institute, che funge da infrastruttura per l'AIGC cinese e l'intelligenza cognitiva.
Un'implementazione di un modello di raccomandazione di apprendimento profondo (DLRM)
FEDML – La libreria ML unificata e scalabile per l'addestramento distribuito su larga scala, il model serving e l'apprendimento federato. FEDML Launch, uno scheduler cross-cloud, consente inoltre di eseguire qualsiasi lavoro di intelligenza artificiale su qualsiasi cloud GPU o cluster on-premise. Basata su questa libreria, TensorOpera AI (https://TensorOpera.ai) è la tua piattaforma di intelligenza artificiale generativa su larga scala.
FlagAI (Fast LArge-scale General AI models) è un toolkit veloce, facile da usare ed estensibile per modelli su larga scala.
Deformable DETR: Transformer deformabili per il rilevamento di oggetti end-to-end.
Una piattaforma per sistemi di ragionamento (Apprendimento per rinforzo, Banditi contestuali, ecc.)
Estensioni PyTorch per l'addestramento ad alte prestazioni e su larga scala.
Miles è un framework di reinforcement learning orientato alle imprese per la post-allenamento di LLM e VLM, derivato da e co-evolvendosi con slime.
Determined è una piattaforma open-source di machine learning che semplifica l'addestramento distribuito, l'ottimizzazione degli iperparametri, il monitoraggio degli esperimenti e la gestione delle risorse. Funziona con PyTorch e TensorFlow.
Un algoritmo di parallelismo a pipeline bidirezionale per la sovrapposizione calcolo-comunicazione nell'addestramento DeepSeek V3/R1.
Addestramento minimalista di modelli linguistici di grandi dimensioni con parallelismo 3D
Implementazione di riferimento per DPO (Direct Preference Optimization)
Questo repository registra principalmente domande di intervista relative agli ingegneri di algoritmi di modelli di grandi dimensioni (LLM).
Deep learning decentralizzato in PyTorch. Costruito per addestrare modelli su migliaia di volontari in tutto il mondo.
Domande frequenti
Qual è il repository #distributed-training più popolare su GitHub?
Il progetto open source #distributed-training più alto in classifica su GitHub è tensorflow/models, con 77,631 stelle. Modelli ed esempi costruiti con TensorFlow
Quali linguaggi di programmazione sono più utilizzati nei repository #distributed-training?
Tra i progetti #distributed-training più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C++, HTML.
Come viene calcolata la classifica dei repository #distributed-training?
Monitoriamo 147 repository open source attivi contrassegnati con #distributed-training (500+ stelle), per un totale di 615,835 stelle e una media di 4,189 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.