#llm-training リポジトリ
#llm-trainingのタグが付いた、GitHub上の58件のアクティブなオープンソースリポジトリをご覧ください。合計スター数は316,620個で、プロジェクトあたりの平均は5,458個です。このトピックをリードしているのは、60,746個のスターを獲得しているkarpathy/nanochatです。
リポジトリ合計59件
最先端チーム向けAIコンピュートプラットフォーム。SkyPilotは断片化されたAIコンピュートを1つのAIスーパーコンピュータに変え、最先端のAIチームがより迅速にカスタムインテリジェンスを構築できるようにします。
『AIインフラを深く理解する:定量分析とシステム設計』(李博杰 著)、オープンソースの書籍原稿:ハードウェアの制約とモデルアーキテクチャを起点に、LLMの推論・学習システムの設計を定量的に導出します。書籍全文、PDF、関連する計算ツール、実験を収録。
H2O LLM Studio - LLMをファインチューニングするためのフレームワークとノーコードGUI。ドキュメント: https://docs.h2o.ai/h2o-llmstudio/
verl-agentは、RLを介したLLM/VLMエージェントのトレーニングのために設計されたveRLの拡張機能です。verl-agentは、「Group-in-Group Policy Optimization for LLM Agent Training」という論文の公式コードでもあります。
Alibaba Cloudによって開発された、LLMおよびVLMの大規模トレーニングのためのPai-Megatron-Patchの公式リポジトリ。
"AI-Compass"は、コミュニティにAI技術の海を航行する方向を示します。初心者でも上級開発者でも、ここでAIの主要な方向への道筋を見つけることができます。開発者がAIの核となる概念、主流技術、最先端トレンドを体系的に理解し、実践を通じて理論から実装までの全プロセスを習得できるよう支援することを目的としています。
大規模言語モデルのオン・ポリシー蒸留(OPD)に関する論文、技術レポート、フレームワーク、ツールの厳選コレクション
これは、事前トレーニング、ファインチューニング、直接選好度最適化を含む、ゼロから大規模言語モデルをトレーニングするためのプロジェクトであり、モデルは10億のパラメータを持ち、中国語と英語をサポートしています。
PyTorch、Triton、CUDAを使ってLLMのアルゴリズムとシステムを実践的に学習。『大規模言語モデルのアルゴリズムとシステム講座』では、モデルアーキテクチャと学習、事後学習、推論の高速化、性能と演算子の最適化を扱い、Notebook演習、解答解説、テスト、実験も用意しています。
LLM-PowerHouse: カスタムトレーニングと推論のための、厳選されたチュートリアル、ベストプラクティス、すぐに使えるコードを通じてLLMの可能性を解き放ちます。
よくある質問
GitHubで最も人気のある#llm-trainingリポジトリは何ですか?
GitHubで最も上位にランクインしているオープンソースの#llm-trainingプロジェクトは、60,746個のスターを獲得しているkarpathy/nanochatです。100ドルで買える最高のChatGPT。
#llm-trainingリポジトリで最もよく使われているプログラミング言語は何ですか?
GitHubで上位にランクインしている#llm-trainingプロジェクトでは、Python, Jupyter Notebook, Go, Cudaが最も一般的なプログラミング言語です。
#llm-trainingリポジトリのランキングはどのように算出されていますか?
#llm-trainingのタグが付いた58件のアクティブなオープンソースリポジトリ(スター500個以上)を追跡しています。合計スター数は316,620個で、リポジトリあたりの平均は5,458個です。ランキングはGitHub APIからのデータに基づいて毎日更新されます。