NeMo-Curator

提供GPU加速的大型语言模型数据集优化与管理解决方案

NeMo Curator GPU加速大语言模型数据集准备 Python库 Github 开源项目

NeMo Curator 是一款专为大型语言模型（LLM）设计的开源Python库，通过结合Dask和RAPIDS等技术，实现GPU加速的数据集准备与管理。其功能包括数据下载、语言识别、文本清理、质量过滤、文档去重和个人信息保护等模块，为多种LLM任务提供快速、灵活和可扩展的解决方案，显著提升数据处理效率与模型质量。

访问官网

Github

介绍相关项目

HugNLP - 基于Hugging Face的全面NLP开发应用框架

GithubHugNLPNLP应用开发开源项目指令微调预训练语言模型

HugNLP是基于Hugging Face的NLP开发应用库，为研究人员提供便利高效的开发环境。它集成了丰富的模型、处理器和应用模块，支持知识增强预训练、提示微调、指令调优等技术。该框架还包含参数高效学习、不确定性估计等工具，可用于构建多种NLP应用。HugNLP获得CIKM 2023最佳演示论文奖。

Neum AI - 开源框架助力构建高效RAG数据管道

AI工具Neum AIRAG向量数据库嵌入数据管道

Neum AI框架专注于简化RAG和语义搜索的数据基础设施构建。它整合了多种连接器，便于快速创建数据管道，高效处理各类数据。框架兼顾本地开发与云端部署，满足不同规模需求。其核心功能包括实时数据同步、全面可观测性和智能检索，有效提升数据管理效率。Neum AI为构建可靠、高性能的RAG系统提供了全面解决方案。

parakeet-rnnt-1.1b - 高性能英语语音识别模型实现优异音频转文本效果

FastConformerGithubHuggingfaceNeMoTransducer开源项目模型自动语音识别英语语音模型

parakeet-rnnt-1.1b是NVIDIA NeMo和Suno.ai联合开发的英语语音识别模型。基于FastConformer Transducer架构，该模型拥有11亿参数，在64000小时英语语音数据上训练。它能准确将语音转录为小写英文文本，并在多个标准数据集上表现出色。研究人员可通过NeMo工具包使用该模型进行推理或微调，适用于多种语音识别场景。

LLM-PowerHouse-A-Curated-Guide-for-Large-Language-Models-with-Custom-Training-and-Inferencing - 大型语言模型的定制训练和推理指南

GithubLLM PowerHousePython开源项目机器学习深度学习自然语言处理

LLM-PowerHouse项目为开发人员、研究人员和爱好者提供一站式指南，通过定制化训练和推理优化大型语言模型（LLMs）。包括基础知识、先进技术、模型压缩、优化策略和实例代码，适用于高效智能的自然语言理解应用。

Llama-3.2-3B - 利用优化技术实现提速和内存节省的开源语言模型项目

GithubHuggingfaceLlama 3.2多语言处理大语言模型开源项目模型模型微调算力优化

这是一个基于Unsloth技术的大型语言模型优化项目。支持8种官方语言，采用改进的transformer架构和GQA技术。训练速度提升2.4倍，内存使用减少58%。提供Google Colab环境，支持对话、文本补全等场景的模型微调，适合各级用户。该项目基于Meta的原始模型，遵循社区许可协议。

dolma - 3万亿令牌的多样化开放数据集与高性能管理工具

AI2Dolma DatasetDolma ToolkitGithub开源项目数据集管理语言模型

Dolma项目提供一个包含3万亿令牌的多样化开放数据集，涵盖网络内容、学术出版物、代码、书籍和百科材料。Dolma Toolkit是一款高性能工具包，能够高效整理大型数据集，支持并行处理、便捷移植、内置标签器、快速去重、扩展性和云支持。该项目由Allen Institute for AI开发，数据集可在HuggingFace平台下载。

Finetune_LLMs - 引用数据集微调大型语言模型（LLM）的代码

DeepSpeedFinetune LLMsGPTJGithubHuggingfaceNvidia-docker开源项目

Finetune_LLMs 项目提供代码支持DeepSpeed、Lora或QLora方法微调大型语言模型，涵盖从名言数据集学习及利用 Nvidia-docker 简化环境配置，适于需GPU支持的用户。

llm - 大型语言模型CLI工具，支持本地和远程模型

GithubLLMPython库命令行工具开源项目插件模型

一款CLI工具和Python库，用于与大型语言模型交互，支持远程API和本地安装模型。可从命令行运行提示、将结果存储在SQLite中、生成嵌入等。通过插件目录，可访问更多模型。

llm.c - 纯C和CUDA实现的高效轻量级语言模型训练框架

CUDAC语言GPU训练GithubLLM开源项目

llm.c是一个使用纯C和CUDA实现的高效轻量级语言模型训练框架。该项目不依赖PyTorch或cPython等大型框架，通过简洁代码实现GPT-2和GPT-3系列模型的预训练。llm.c支持单GPU、多GPU和多节点训练，提供详细教程和实验示例。项目在保持代码可读性的同时追求高性能，适用于教育和实际应用。此外，llm.c支持多种硬件平台，并有多个编程语言的移植版本。

h2o-llmstudio - 轻松微调大型语言模型的无代码图形界面

GithubH2O LLM StudioLLM微调Nvidia GPU图形用户界面开源项目无代码界面

H2O LLM Studio 提供无代码图形界面，轻松微调大型语言模型。支持多种超参数调整，包括LoRA和8位模型训练技术，甚至还可使用强化学习。用户可以可视化跟踪模型性能，并与模型互动获取即时反馈。支持将模型导出至 Hugging Face Hub，方便与社区分享。

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