LLMtuner

使用 LoRA、QLoRA 等最佳实践对 Llama、Whisper 和其他 LLM 进行微调

LLMTuner LLM微调 LoRA Whisper Llama Github 开源项目

LLMTuner 提供类 scikit-learn 接口，让用户便捷微调如 Llama、Whisper 等大型语言模型。通过 LoRA 和 QLoRA 等技术实现高效微调，内置推理功能和一键启动的交互式 UI，简化模型展示和共享。此外，LLMTuner 还支持未来在 AWS 和 GCP 等平台上的部署。欢迎加入 PromptsLab 社区，探索和讨论最新的开源模型调优技术。

Github

Huggingface

介绍相关项目

LLaMA-LoRA-Tuner - 使用LLaMA-LoRA Tuner便捷地评估和微调低秩自适应的LLaMA模型

GithubGoogle ColabHugging FaceLLaMA-LoRA TunerSkyPilot开源项目模型微调

LLaMA-LoRA Tuner通过Google Colab、一键启动和多云服务支持，简化了LLaMA模型的评估和微调。用户可在Hugging Face查看演示，支持通过Google Drive和JSON格式加载和存储数据。此项目实现了多基础模型切换和多训练数据集格式支持，新增聊天界面和演示模式以优化新模型展示。

LLamaTuner - 大语言模型微调工具，支持几乎所有GPU

GithubLLamaTunerSupervised fine-tuning dataset大语言模型开源项目数据预处理模型训练

LLamaTuner是一款高效、灵活且功能全面的大语言模型微调工具。支持在几乎所有GPU上进行大语言模型的预训练和微调，包括单个8GB GPU上微调7B LLM和超过70B模型的多节点微调。自动调度高性能算子如FlashAttention和Triton内核，兼容DeepSpeed以提升训练吞吐量。支持多种LLM和VLM，以及QLoRA和LoRA等多种训练算法，提供连续预训练、指令微调和代理微调等功能，还能与大型模型进行对话。

simple-llm-finetuner - 在NVIDIA GPU上使用LoRA方法轻松微调语言模型

GithubGradioLoRANVIDIA GPUPEFTSimple LLM Finetuner开源项目

Simple LLM Finetuner项目提供了初学者友好的界面，利用LoRA方法和PEFT库在常见的NVIDIA GPU上微调语言模型。用户可以轻松管理数据集、定制参数，并评估模型推理能力。支持在UI中粘贴数据集，提供参数调整和详细说明。尽管项目已停止维护，建议使用替代工具如LLaMA-Factory、unsloth或text-generation-webui。

llama-trl - 使用 PPO 和 LoRA 微调 LLaMA

GithubLLaMA-TRLLoRAPPOReward Model TrainingSupervised Fine-tuning开源项目

本项目LLaMA-TRL通过PPO和LoRA技术进行大规模语言模型的微调，采用TRL（变压器强化学习）和PEFT（参数高效微调）方法。本文详细介绍了从安装依赖到具体实现的步骤，包括监督微调、奖励模型训练和PPO微调，助力开发者显著提升模型性能和任务适应能力。

xtuner - 全面的模型微调解决方案，支持LLM和VLM的高效训练

DeepSpeedGithubInternLMLlama2QLoRAXTuner开源项目

XTuner是一款高效灵活的大模型微调工具包，支持LLM和VLM在多种GPU上的预训练和微调。它能够在单个8GB GPU上微调7B模型，并支持超过70B模型的多节点微调。XTuner兼容DeepSpeed，支持多种优化技术，并涵盖多种微调方法如QLoRA和LoRA。该工具包提供连续预训练、指令微调和代理微调等功能，输出模型可以无缝集成到部署和评估工具中，适应多种应用场景。

LLaMA-Factory - 提升语言模型微调效率的统一平台

GithubLLaMA Factory大语言模型开源项目快速微调性能优化模型量化热门

LLaMA-Factory是一个高效的语言模型微调工具，支持多种模型和算法。该平台专注于提高微调速度，支持连续预训练、监督微调和激励建模等策略。LLaMA-Factory利用LoRA技术实现高效训练，并提供详尽的数据监控和快速推理能力。此外，新版本还增加了PiSSA算法，且支持多种开发平台如Colab和DSW，适合高质量文本生成和智能应用开发。

tiny-random-Llama-3-lora - 优化轻量级Llama-3模型的LoRA适配器

GithubHuggingfaceLlama-3LoRApeft参数高效微调开源项目模型模型适配器

本项目为tiny-random-Llama-3模型开发LoRA适配器。LoRA作为一种高效微调技术，能够大幅降低参数量和加速训练过程。研究人员和开发者可利用此适配器快速将tiny-random-Llama-3模型应用于特定任务，无需完整重训练。该工具为小型语言模型的应用研究提供了便利，有助于推动NLP领域的发展。

Meta-Llama-3.1-8B-Instruct - 创新技术实现大型语言模型微调的高效优化

GithubHuggingfaceLlama 3.1Unsloth内存优化开源项目性能提升模型模型微调

该项目开发了一种高效方法，大幅提升Llama 3.1、Gemma 2和Mistral等大型语言模型的微调效率。通过提供多个免费的Google Colab笔记本，项目使各类用户都能便捷地微调Llama-3 8B、Gemma 7B和Mistral 7B等模型。这些笔记本界面友好，适合各层次用户使用。采用此方法可将微调速度提升2-5倍，同时将内存使用降低最多70%，显著优化了资源利用。

llama-3-8b-bnb-4bit - 大语言模型微调工具提升训练速度并降低内存使用

AI训练GithubHuggingfaceLlama 3MetaUnsloth大语言模型开源项目模型

llama-3-8b-bnb-4bit项目是一种高效的大语言模型微调方法,能将训练速度提升2-5倍,同时减少70%内存使用。支持Llama 3.1、Gemma 2和Mistral等热门模型,并提供面向初学者的Google Colab笔记本。用户可以快速微调模型并导出为GGUF、vLLM格式或上传至Hugging Face。该工具降低了LLM微调的门槛,为开发者和研究者提供了便利。

LLM-Finetuning - 大型语言模型高效微调指南

GithubHugging FaceLoRAPEFT大型语言模型开源项目微调

了解如何使用LoRA和Hugging Face Transformers库高效微调大型语言模型。项目提供详细的教程笔记本，包括在Colab中微调Llama 2、GPT-Neo-X-20B、MPT-Instruct-30B等模型的指导和代码示例。无论新手或专家，均可找到实用资源，提升语言模型性能。欢迎贡献和提交问题，共同完善此开源项目。

相关项目

项目侧边栏1

项目侧边栏2

推荐项目

Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com

@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号