nanodl

nanodl

设计与训练变压器模型的Jax库

这是一个基于Jax的库,旨在简化变压器模型的开发和训练,特别适合资源有限的环境。支持多种模型如Gemma、GPT3、T5和Whisper,涵盖自然语言处理和计算机视觉任务。提供灵活的模块和层,包括Jax/Flax中未提供的RoPE、GQA、MQA和Swin注意力机制,支持多GPU/TPU的数据并行训练,简化数据处理。该库还包含加速的经典机器学习模型,帮助用户以最小的代码重写快速实现模型开发和训练。

NanoDLJaxtransformer模型分布式训练深度学习Github开源项目

项目介绍:nanodl

概述

nanodl 是一个基于 Jax 的库,专为从头开始设计和训练 transformer 模型而开发。在变换器模型的开发过程中,人们通常会遇到资源消耗巨大的挑战。为了应对这一问题,nanodl 提供了一系列精简但功能强大的工具和功能。这些工具通过 Jax 框架实现,使得神经网络的开发和分布式训练更加高效。

特性

nanodl 提供了许多强大的特性,包括:

  • 兼具各类模块和层级结构,使用户可以从零开始构建定制的 transformer 模型。
  • 支持多种模型,如 Gemma、LlaMa3、Mistral、GPT3、GPT4(推测版)、T5、Whisper、ViT、Mixers、CLIP 等。
  • 提供数据并行分布式训练器,可以在多 GPU 或 TPU 上进行训练,无需手动编写训练循环。
  • 提供数据加载器,简化了 Jax/Flax 的数据处理过程。
  • 包含 Flax/Jax 中未涵盖的层,例如 RoPE、GQA、MQA 和 SWin 注意力等,支持更灵活的模型开发。
  • 提供 GPU/TPU 加速的经典机器学习模型,如 PCA、KMeans、回归、高斯过程等。
  • 支持不需要冗长代码的真随机数生成器。
  • 提供一系列用于自然语言处理和计算机视觉任务的高级算法,如高斯模糊、BLEU、分词器等。
  • 每个模型都被封装在一个独立的文件中,无需外部依赖,因此源码也可以轻松使用。

快速安装

要使用 nanodl,您需要 Python 3.9 或更高版本,并安装 JAX、FLAX 和 OPTAX(若需要运行训练则需 GPU 支持)。在设计和测试模型时可以使用 CPU,但训练器需要 GPU 或 TPU 支持。

使用以下命令来安装 nanodl:

pip install --upgrade pip pip install jax flax optax pip install nanodl

使用示例

nanodl 提供了丰富的 API 示例,帮助用户快速上手。以下简要介绍几个使用场景:

文本生成

用户可以使用 GPT4 模型进行文本生成,通过一个简单的 API 来训练和生成文本。

图像生成

借助扩散模型,用户能够训练图像数据并生成新图像。

音频处理

通过 Whisper 模型,用户可以处理音频数据并进行转录。

强化学习中的奖励模型

使用 Mistral 模型,可以在强化学习的上下文中训练奖励模型。

主成分分析(PCA)

用户可以使用 PCA 模型来进行数据降维和可视化。

社区与贡献

nanodl 是一个仍在开发中的项目,欢迎来自社区的贡献。用户可以通过撰写文档、修复错误、实现新功能或者改进代码等多种方式进行贡献。加入我们的 Discord 社区来交流想法或获取帮助。

赞助与引用

为了让有限资源的专家和企业也能以低成本构建灵活的模型,nanodl 的长远目标是构建和训练参数不超过 10 亿的精简版本模型,并优能与原始版本媲美。任何形式的赞助对我们来说都是一份支持。如果您愿意,请通过 GitHub 或邮件联系我们。

如果您希望引用 nanodl,请使用以下格式:

@software{nanodl2024github, author = {Henry Ndubuaku}, title = {NanoDL: A Jax-based library for designing and training transformer models from scratch.}, url = {http://github.com/hmunachi/nanodl}, year = {2024}, }

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多