LLM Pandoras

Bahasa Inggris | 简体中文 |

LLM-WORKBENCH adalah toolkit untuk pelatihan, menyempurnakan, dan memvisualisasikan model bahasa menggunakan streamlit. Ini sangat cocok untuk para peneliti dan penggemar AI.

Fitur

• ? Tanya Jawab Basis Pengetahuan : Kami menyediakan berbagai cara pengambilan pengetahuan, di mana ES menggunakan pencarian hibrida 8.9.0 untuk mencari fragmen pengetahuan yang relevan berdasarkan input dan jawaban.
• Excel Q&A : Kami menggunakan chatglm3 untuk menghasilkan kode python yang sesuai berdasarkan pertanyaan, dan menggunakan kernel untuk menjalankan kode yang relevan untuk mengembalikan hasilnya.
• ? Pelatihan Model : Dengan toolkit kami, Anda dapat dengan mudah melatih model bahasa Anda sendiri.
• ? Model fine-tuning : Kami memberikan cara sederhana untuk menyempurnakan model Anda agar lebih beradaptasi dengan tugas spesifik Anda.
• Visualisasi Model : Toolkit kami mencakup beberapa alat visualisasi yang dapat membantu Anda lebih memahami model Anda.

? Instalasi Komposisi Docker

Instal Elasticsearch (Harap buka port server yang sesuai sesuai dengan file compose Docker, atau sesuaikan):

 cd docker/es
docker-compose up -d

Untuk menggunakan Tanya Jawab Basis Pengetahuan, Anda perlu membangun indeks yang sesuai:

Metode Satu: Anda dapat menginstal LLM-WORKBENCH dengan perintah berikut:

 cd LLM-Workbench
docker-compose up -d

Untuk kasus menggunakan Tanya Jawab Tabel Excel, Anda harus memasukkan wadah dan menentukan interpreter kernel:

 ipython kernel install --name llm --user

Di mana, llm sesuai dengan nama lingkungan Conda.

? Penggunaan

Metode dua: Setelah menginstal LLM-WORKBENCH, Anda dapat memulainya dengan perintah berikut:

 pip install -r requirements.txt
streamlit run chat-box.py

Kemudian, Anda dapat membuka URL yang ditampilkan di browser Anda untuk mulai menggunakan LLM-WORKBENCH.

? Kontribusi

Kami menyambut segala bentuk kontribusi! Jika Anda memiliki pertanyaan atau saran, jangan ragu untuk mengangkatnya di GitHub.

? Lisensi

LLM-Workbench dirilis di bawah lisensi MIT. Untuk detail lebih lanjut, silakan lihat file lisensi.

? Hubungi kami

Jika Anda memiliki pertanyaan atau saran, jangan ragu untuk bertanya kepada kami melalui email atau github.

Sejarah Bintang