mmpretrain

支持多种模型与大规模训练配置的PyTorch开源预训练工具箱

OpenMMLab MMPreTrain PyTorch 预训练工具箱多模态学习 Github 开源项目

MMPreTrain是基于PyTorch的开源预训练工具箱，提供丰富的训练策略和高效的模型分析工具。支持多种主干网络和预训练模型，如VGG、ResNet、Vision-Transformer等。具备强大的扩展性和高效性，适用于图像分类、图像描述、视觉问答等多种推理任务。最新版本v1.2.0增加了对LLaVA 1.5和RAM的支持，并提供Gradio界面。适用于多模态学习和自监督学习，支持大规模训练配置。提供详细的安装和教程文档，帮助用户快速入门。

访问官网

Github

介绍相关项目

multimodal-maestro - 多模态AI模型控制与高效提示策略框架

AI提示GithubMultimodal-MaestroPython图像处理大型多模态模型开源项目

multimodal-maestro是一个开源框架，旨在增强对大型多模态AI模型的控制能力。该项目提供先进的提示策略，使模型能够执行复杂的视觉理解任务。支持图像标注、掩码生成等功能，并具有简洁的API设计。multimodal-maestro能够充分发挥GPT-4V等多模态模型的潜力，实现更精准的视觉分析和处理。

llama-moe - 专家混合模型，支持持续预训练

GithubLLaMALLaMA-MoEMoESheared LLaMASlimPajama开源项目

LLaMA-MoE是基于LLaMA和SlimPajama的开源专家混合模型。通过将LLaMA的FFN划分为稀疏专家并加入top-K门控，模型在优化的数据采样权重下进行持续预训练。特点包括轻量化、多种专家构建方法、多种门控策略和快速预训练，适合部署和研究。提供详细的安装指南和技术文档，帮助用户快速使用并评估模型性能。

open_llama_3b_v2 - 高性能开源大型语言模型复现LLaMA

GithubHuggingfaceOpenLLaMA大语言模型开源复现开源项目性能评估模型模型权重

OpenLLaMA是一个复现Meta AI的LLaMA大型语言模型的开源项目。它提供3B、7B和13B三种规模的模型，使用开源数据集训练了1万亿个标记。该项目采用与原始LLaMA相同的预处理和训练参数，在多项评估中表现出色。OpenLLaMA提供PyTorch和JAX格式的预训练权重，遵循Apache 2.0许可证发布。

gpt-llm-trainer - AI模型训练自动化工具从任务描述到高性能模型

AI训练GPT-3.5GithubLLaMA 2开源项目数据集生成模型微调

gpt-llm-trainer是一个AI模型训练自动化工具，简化了从任务描述到高性能模型的开发流程。该工具利用Claude 3或GPT-4生成数据集，为LLaMA 2或GPT-3.5模型创建系统提示并进行微调。gpt-llm-trainer通过自动化处理复杂的技术细节，使AI模型开发变得更加简单高效，适合快速开发特定任务AI模型的需求。

llm-analysis - 大型语言模型训练与推理的延迟和内存使用分析工具

GithubTransformer模型llm-analysis内存分析大语言模型延迟分析开源项目

llm-analysis 是一款为大型语言模型（LLMs），如Transformer设计的工具，用于在不同的模型、GPU、数据类型和并行配置下估算训练与推理的延迟和内存使用。通过简单设置，可以快速计算出不同训练和推理方案的系统性能，以确定最优和可行的配置方案。此外，llm-analysis 支持多种并行化和重计算策略，并提供多种预定义配置和命令行接口，极大简化了配置和调试流程。它功能强大且易于集成，是开发和优化LLMs的理想工具。

Megatron-DeepSpeed - 分布式训练框架助力大规模语言模型预训练

DeepSpeed配置GPT预训练GithubMegatron-DeepSpeed分布式训练开源项目预处理数据

Megatron-DeepSpeed是一个集成DeepSpeed的大规模语言模型预训练框架。它支持多GPU和多节点分布式训练,提供数据预处理、预训练、微调和下游任务评估等完整流程。该框架针对BERT、GPT等模型优化,实现高效大规模训练。集成DeepSpeed的流水线并行和ZeRO-DP技术,进一步提升训练效率和灵活性。

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。

LLaMA-Cult-and-More - 最新大模型参数、微调数据和硬件需求解析

AnthropicEfficient训练GithubMetaOpenAI多模态LLM开源项目

LLaMA-Cult-and-More项目详细介绍了最新大模型的参数数量、微调数据集与技术，并提供LLM对齐后训练的实用指南，包括数据集、基准数据集和高效训练库。从预训练模型到后训练模型，项目涵盖了许多有趣的内容，帮助您了解关键功能和最新进展。

torchtitan - PyTorch原生大规模语言模型训练框架

GithubLLM训练Llama模型PyTorchtorchtitan分布式训练开源项目

torchtitan是基于PyTorch的大规模语言模型训练框架，展示了最新分布式训练功能。它采用简洁模块化设计，支持多种并行化技术，包括数据并行、张量并行和管道并行。框架还提供分布式检查点和Float8等先进特性，为Llama 3和Llama 2等模型预训练提供高效方案。torchtitan旨在展示PyTorch在大规模语言模型训练中的潜力。

MMBench - 全面评估多模态大模型能力的基准测试

GithubMMBench多模态模型开源项目循环评估视觉语言模型评估基准

MMBench是评估视觉语言模型多模态理解能力的基准测试集。它包含近3000道多项选择题,涵盖20个能力维度,采用循环评估和LLM选项提取等创新方法,提供可靠客观的评估。通过细粒度的能力测试和可重复的评价标准,MMBench为多模态模型开发提供了有价值的反馈。

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