#lora Repositórios
Descubra 141 repositórios ativos de código aberto no GitHub marcados com #lora, acumulando um total de 626,328 estrelas (uma média de 4,442 por projeto). O líder deste tópico é hiyouga/LlamaFactory, com 76,171 estrelas.
141 repositórios no total
🧑🏫 Mais de 60 implementações/tutoriais de artigos de deep learning com notas lado a lado 📝; incluindo transformers (original, xl, switch, feedback, vit, ...), otimizadores (adam, adabelief, sophia, ...), gans (cyclegan, stylegan2, ...), 🎮 aprendizado por reforço (ppo, dqn), capsnet, destilação, ... 🧠
Guia de Uso de Modelos Grandes de Código Aberto: Um Tutorial feito sob medida para usuários chineses sobre o ajuste fino rápido (parâmetro completo/Lora) e a implantação de Modelos Grandes de Linguagem (LLM) / Modelos Grandes Multimodais (MLLM) de código aberto, tanto nacionais quanto internacionais, baseado no ambiente Linux.
Modelos de Grande Linguagem LLaMA e Alpaca Chineses + Treinamento e Implantação Local em CPU/GPU (Chinese LLaMA & Alpaca LLMs)
Use PEFT ou treinamento com todos os parâmetros para realizar CPT/SFT/DPO/GRPO em mais de 600 LLMs (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) e mais de 300 MLLMs (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4, ...) (AAAI 2025).
Código para loralib, uma implementação de "LoRA: Adaptação de Baixo Posto de Grandes Modelos de Linguagem"
Treinador de Reforço de Agentes: treine agentes de várias etapas para tarefas do mundo real usando GRPO. Dê aos seus agentes treinamento no trabalho. Aprendizado por reforço para Qwen3.6, GPT-OSS, Llama e muito mais!
Ajuste fino de LLMs a partir de um YAML. Streaming por camadas treina um modelo de 8B em uma GPU de laptop de 4 GB.
FaceChain é um conjunto de ferramentas de deep-learning para gerar seu Gêmeo Digital.
Ajuste finamente (SFT/RL), avalie e implante facilmente o Qwen, o Gemma ou qualquer LLM/VLM agêntico de código aberto!
O firmware oficial para Meshtastic, um sistema de comunicação em malha off-grid de código aberto.
BELLE: Be Everyone's Large Language model Engine (Grande Modelo de Linguagem de Diálogo Chinês de Código Aberto)
A pilha de rede baseada em criptografia para construir redes imparáveis com LoRa, Packet Radio, WiFi e tudo mais entre eles.
Firefly: Ferramenta de treinamento para grandes modelos, que suporta o treinamento de 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 e outros grandes modelos.
SD-Trainer. Scripts e GUI de treinamento LoRA & Dreambooth usam o treinador de kohya-ss, para o modelo de difusão.
Implementação do modelo de linguagem LLaMA baseado no nanoGPT. Suporta flash attention, quantização Int8 e GPTQ de 4 bits, ajuste fino LoRA e LLaMA-Adapter, e pré-treinamento. Licenciado sob Apache 2.0.
O ambiente de pesquisa de código aberto para pesquisadores de IA, permitindo treinar, avaliar e dimensionar modelos de forma fluida, desde hardware local até clusters GPU.
Gateway MQTT para ESP8266 ou ESP32 com comunicação bidirecional 433mhz/315mhz/868mhz, infravermelho, BLE, Bluetooth, detecção de beacons, compatibilidade com mi flora, mi jia, LYWSD02, LYWSD03MMC, Mi Scale, TPMS, termômetro de churrasco e LoRa.
Um novo protocolo de malha de roteamento híbrido e leve para rádios de pacotes
[Destaque ICLR2025] SVDQuant: Absorvendo Outliers por Componentes de Baixa Patente para Modelos de Difusão de 4 Bits
OneTrainer é uma solução completa para todas as suas necessidades de treinamento em Diffusion.
PJON (Padded Jittering Operative Network) é um protocolo de rede experimental, compatível com Arduino, multi-mestre e multimídia.
Uma Biblioteca Unificada para Aprendizado de Transferência Paramétrico-Eficiente e Modular
Construa, personalize e controle seus próprios LLMs. Desde o pré-processamento de dados até o ajuste fino (fine-tuning), o xTuring oferece uma maneira fácil de personalizar LLMs de código aberto. Junte-se à nossa comunidade no Discord: https://discord.gg/TgHXuSJEk6
📹 Uma estrutura mais flexível que pode gerar vídeos em qualquer resolução e criar vídeos a partir de imagens.
Medição de fluxo de passageiros orientada por Wifi e BLE com placas ESP32 baratas
Perguntas Frequentes
Qual é o repositório de #lora mais popular no GitHub?
O projeto de código aberto de #lora mais bem classificado no GitHub é hiyouga/LlamaFactory, com 76,171 estrelas. Ajuste Fino Unificado e Eficiente de Mais de 100 LLMs e VLMs (ACL 2024)
Quais linguagens de programação são mais usadas nos repositórios de #lora?
Entre os projetos de #lora mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C++, C.
Como é calculada a classificação dos repositórios de #lora?
Acompanhamos 141 repositórios ativos de código aberto marcados com #lora (com mais de 500 estrelas), totalizando 626,328 estrelas e uma média de 4,442 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.