self llm

오픈 소스 모형 식용 가이드

이 프로젝트는 오픈 소스 모델, 국내 초보자 및 Linux 플랫폼을 기반으로 한 독점 중국 베이비 모델에 대한 자습서입니다. 환경 구성, 로컬 배치, 효율적인 미세 조정 및 기타 기술, 오픈 소스 모델의 배포, 사용 및 응용 프로세스를 단순화하여 오픈 소스 모델을 더 잘 사용하여 오픈 소스 및 무료 모델이 일반 학습자의 삶에 더 빠르게 통합 할 수 있도록하는 다양한 오픈 소스 모델에 대한 풀 프로세스 지침을 제공합니다.

이 프로젝트의 주요 내용은 다음과 같습니다.

1. Linux 플랫폼을 기반으로 한 오픈 소스 LLM 환경 구성 안내서, 다양한 모델 요구 사항에 대한 다양한 세부 환경 구성 단계를 제공합니다.
2. LLAMA, ChatGLM, Internlm 등을 포함하여 국내외에서 주류 오픈 소스 LLM의 배포 및 사용을위한 튜토리얼;
3. 명령 줄 통화, 온라인 데모 배포, Langchain 프레임 워크 통합 등을 포함한 오픈 소스 LLM에 대한 관리 응용 프로그램 지침
4. 배포 된 풀 스케일 미세 조정, 로라, PTuning 등을 포함하여 전체 미세 조정 및 오픈 소스 LLM의 효율적인 미세 조정 방법.

이 프로젝트의 주요 내용은 튜토리얼이므로 더 많은 학생들과 미래의 실무자들이 오픈 소스 큰 모델을 먹는 방법을 이해하고 친숙하게 할 수 있습니다! 누구나이 프로젝트를 구축하고 유지하기 위해 문제를 제안하거나 PR을 제출할 수 있습니다.

깊이 참여하려는 학생들은 저희에게 연락 할 수 있으며 프로젝트 관리자에 귀하를 추가 할 것입니다.

학습 제안 :이 프로젝트의 학습 제안은 먼저 환경 구성을 배우고 모델 배포 및 사용을 배우고 최종적으로 미세 조정을 배우는 것입니다. 환경 구성이 기초이므로 모델의 배포 및 사용이 기초이며 미세 조정이 진행됩니다. 초보자는 학습의 우선 순위를 정해 QWEN1.5, InternLM2, MinICPM 및 기타 모델을 선택할 수 있습니다.

참고 : 학생들이 큰 모델의 모델 구성을 이해하고 Rag, Agent 및 Eval과 같은 작업을 처음부터 작성하려면 Datawhale의 다른 프로젝트를 배울 수 있습니다. Big Model은 현재 딥 러닝 분야에서 인기있는 주제이지만 대부분의 기존의 큰 모델 자습서는 API를 호출하여 큰 모델의 적용을 완료하는 방법을 가르쳐주는 것이며, 모델 구조, Rag, 에이전트 및 원칙 수준에서 평가를 설명 할 수있는 사람은 거의 없습니다. 따라서이 저장소는 모든 필기를 제공하며 API를 호출하여 큰 모델의 헝겊, 에이전트 및 평가 작업을 완료하는 형태를 사용하지 않습니다.

참고 : 일부 학생들은이 프로젝트를 공부하기 전에 큰 모델의 이론적 부분을 배우기를 희망한다는 점을 고려할 때, LLM의 이론적 기초를 추가로 연구하고 이론을 기반으로 LLM을 더 이해하고 적용하려면 Datawhale의 너무 큰 과정 과정을 언급 할 수 있습니다.

참고 : 어떤 학생 이이 과정을 공부 한 후 스스로 대규모 모델 응용 프로그램을 개발하려는 경우. 학생들은 Datawhale의 실습 대형 모델 응용 프로그램 개발 과정을 참조 할 수 있습니다.이 과정은 초보자를위한 대형 모델 응용 프로그램 개발 자습서입니다. Alibaba Cloud Server를 기반으로하는 학생들에게 대형 모델 응용 프로그램 개발 프로세스를 완전히 제시하고 Personal Knowledge Base Assistant 프로젝트와 결합하는 것을 목표로합니다.

프로젝트 중요성

큰 모델은 무엇입니까?

대형 모델 (LLM)은 딥 러닝 알고리즘을 기반으로 훈련 된 자연 언어 처리 (NLP) 모델을 좁게합니다. 그들은 주로 자연어 이해 및 세대와 같은 분야에서 사용됩니다. 광범위한 의미에서는 기계 비전 (CV) 대형 모델, 멀티 모달 대형 모델 및 과학 컴퓨팅 대형 모델도 포함됩니다.

수백 개의 모델의 전투가 본격적으로 진행되고 있으며 오픈 소스 LLM이 서로 떠오르고 있습니다. 오늘날 LLAMA 및 Alpaca와 같은 LLA, Baichuan, Internlm (Scholar Puyu) 등과 같은 국내외에서 많은 우수한 오픈 소스 LLM이 등장했습니다. 오픈 소스 LLM은 사용자의 로컬 배치 및 개인 도메인의 미세 조정을 지원합니다. 모든 사람은 오픈 소스 LLM을 기반으로 고유 한 빅 모델을 만들 수 있습니다.

그러나 일반적인 학생과 사용자가 이러한 큰 모델을 사용하려면 모델의 배포 및 사용을 완료하기 위해 특정 기술 기능이 있어야합니다. 떠오르는 오픈 소스 LLM의 경우 오픈 소스 LLM의 응용 방법을 빠르게 마스터하는 것은 비교적 어려운 작업입니다.

이 프로젝트는 먼저 핵심 기고자의 경험을 바탕으로 가정 및 해외에서 주류 오픈 소스 LLM의 배포, 사용 및 미세 조정 자습서를 실현하는 것을 목표로합니다. 주류 LLM의 관련 부분을 실현 한 후, 우리는 공동 제작자를 완전히 모아이 오픈 소스 LLM의 세계를 풍부하게하고 특별한 LLM을위한 점점 더 포괄적 인 자습서를 만들기를 희망합니다. 스파크는 점선으로, 바다로 수렴.

우리는 LLM과 일반 대중의 사다리가되기를 희망하며 오픈 소스의 자유와 평등의 정신으로 더 웅장하고 광대 한 LLM 세계를 받아들입니다.

프로젝트 청중

이 프로젝트는 다음 학습자에게 적합합니다.

• LLM을 사용하거나 경험하고 싶지만 무조건 관련 API를 얻거나 사용합니다.
• LLM을 장기, 저비용 및 대규모 방식으로 적용하기를 희망합니다.
• 오픈 소스 LLM에 관심이 있고 오픈 소스 LLM을 직접 시작하고 싶습니다.
• NLP는 LLM을 추가로 연구하기를 희망하면서 공부하고있다.
• 오픈 소스 LLM을 결합하여 도메인 특성과 개인 도메인 LLM을 생성하기를 희망합니다.
• 광대하고 가장 일반적인 학생 그룹.

프로젝트 계획 및 진행 상황

이 프로젝트는 환경 구성 및 사용, 배포 및 응용 프로그램, 미세 조정 등을 포함하여 오픈 소스 LLM 애플리케이션의 전체 프로세스를 구성 할 계획입니다. 각 부분은 주류를 다루고 오픈 소스 LLM 기능을 제공합니다.

예제 시리즈

• Chat-Huanhuan : Chat-Zhen Huan은 스크립트 "Zhen Huan의 전설"에서 Zhen Huan에 대한 모든 줄과 문장을 사용하여 Zhen Huan의 톤을 모방하고 LLM을 기반으로 한 미세 조정을하는 채팅 언어 모델입니다.

• Tianji : Tianji는 인간의 감정과 세속적 인 스타일을 기반으로하는 사회적 시나리오로, 신속한 단어 공학, 지능형 신체 생산, 데이터 수집 및 모델 미세 조정, RAG 데이터 청소 및 사용 등의 전체 프로세스를 다루고 있습니다.

지원되는 모델

• QWEN2.5 코더

  • QWEN2.5-CODER-7B- 구조 FASTAPI 배포 전화 @ZHAO WENKAI
  • QWEN2.5-CODER-7B- 구조 LANGCHIAN ACCESS @YANG Chenxu
  • QWEN2.5-CODER-7B-Instruct WebDemo 배포 @Wang Zeyu
  • QWEN2.5-CODER-7B-INSTRUCT VLLM 배포 @Wang Zeyu
  • QWEN2.5-CODER-7B- 구조 LORA 미세 튜닝 @ 밀킹
  • QWEN2.5-CODER-7B- 구조 LORA 미세 조정 Swanlab 비주얼 레코드 버전 @Yang Zhuo

• QWEN2-VL

  • QWEN2-VL-2B FASTAPI 배포 전화 @jiang shufan
  • QWEN2-VL-2B WEBDEMO 배포 @ZHAO WEI
  • qwen2-vl-2b vllm 배포 @buckwheat
  • QWEN2-VL-2B LORA 미세 조정 @LI KECHEN
  • QWEN2-VL-2B LORA 미세 조정 스완 라브 비주얼 레코드 버전 @ Lin Zeyi
  • QWEN2-VL-2B LORA 미세 조정 케이스-라텍스크 @Lin Zeyi

• qwen2.5

  • qwen2.5-7b- 구조적으로 FastApi 배포 전화 @lou tianao
  • Qwen2.5-7B- 구조 Langchain Access @lou Tianao
  • QWEN2.5-7B-Instruct vllm 배포 @jiang shufan
  • QWEN2.5-7B- 구조 웹 데모 배포 @gao liye
  • qwen2.5-7b- 구조 lora 미세 튜닝 @ zuo chunsheng
  • QWEN2.5-7B- 강조 O1 유사 추론 체인 구현 @jiang shufan
  • QWEN2.5-7B- 구조 LORA 미세 조정 Swanlab 비주얼 레코드 버전 @lin Zeyi

• Apple Openelm

  • OpenELM-3B- 구조적으로 스트럭 핑 FASTAPI 배포 전화 @wang Zeyu
  • OpenELM-3B- 구조 로라 미세 조정 @wang Zeyu

• llama3_1-8B-비율

  • llama3_1-8B- 구조적으로 스트라스 파이 배포 전화 @do n't scallions, ginger, marlic
  • llama3_1-8B- 구조 langchain Access @ Zhang Jin
  • LLAMA3_1-8B-instruct webdemo 배포 @Zhang Jin
  • llama3_1-8B- 구조 lora 미세 튜닝 @do n't salions, ginger 및 marlic

• 젬마 -2-9B-IT

  • Gemma-2-9B-It Fastapi 배포 Call @Do n't Scallion, Ginger, Garlic
  • Gemma-2-9B-It Langchain Access @ Do Do Not Salions, Ginger 및 Garlic
  • Gemma-2-9B-IT Webdemo Deploy @Do n't Scallions, Ginger 및 Garlic
  • Gemma-2-9B-It Peft Lora Fine Tuning @Do n't Scallions, Ginger 및 Garlic

• Yuan2.0

  • Yuan2.0-2B Fastapi 배포 @zhang 팬
  • Yuan2.0-2B Langchain Access @ Zhang 팬
  • Yuan2.0-2B Webdemo 배포 @Zhang 팬
  • Yuan2.0-2B Vllm 배포 @zhang 팬
  • yuan2.0-2b lora 미세 조정 @ zhang 팬

• Yuan2.0-M32

  • Yuan2.0-M32 Fastapi 배포 전화 @zhang 팬
  • Yuan2.0-M32 Langchain Access @ Zhang 팬
  • Yuan2.0-M32 Webdemo 배포 @zhang 팬

• Deepseek-Coder-V2

  • DeepSeek-Coder-v2-lite-instruct fastapi 배포 전화 @jiang shufan
  • DeepSeek-Coder-V2-Lite-instruct Langchain Access @jiang Shufan
  • DeepSeek-Coder-V2-Lite-Instruct WebDemo 배포 @Kailigithub
  • DeepSeek-Coder-V2-Lite-Intruct Lora Fine Tuning @yu Yang

• 빌리 빌리 인덱스 -9B

  • index-1.9B-Chat Fastapi 배포 @deng kaijun
  • Index-1.9B-Chat Langchain Access @Zhang Youdong
  • index-1.9B-Chat Webdemo 배포 @septber
  • Index-1.9B-Chat Lora 미세 조정 @jiang shufan

• Qwen2

  • QWEN2-7B- 구조 스트럭 스파이 파이 배포 전화 @kang jingqi
  • QWEN2-7B- 구조 langchain access @ do do not wast wast wast ave wast ave aver and martic
  • QWEN2-7B- 구조 웹 데모 배포 @sanshui
  • QWEN2-7B-Instruct vllm 배포 @jiang shufan
  • QWEN2-7B- 구조 lora 미세 조정 @ 워킹

• GLM-4

  • GLM-4-9B-Chat Fastapi 배포 전화 @Zhang YouDong
  • GLM-4-9B-Chat Langchain Access @Tan Yike
  • GLM-4-9B-Chat Webdemo 배포 @He Zhixuan
  • GLM-4-9B-Chat VLLM 배포 @Wang Yiming
  • GLM-4-9B-Chat Lora 미세 조정 @xiao hongru
  • GLM-4-9B-Chat-HF LORA 미세 튜닝 @ fu Zhiyuan

• Qwen 1.5

  • QWEN1.5-7B-Chat Fastapi 배포 전화 @yan xin
  • QWEN1.5-7B-Chat Langchain Access @yan Xin
  • Qwen1.5-7B-Chat Webdemo 배포 @yan xin
  • QWEN1.5-7B-Chat Lora Fine Tuning @Do n't Spicy Ginger와 Garlic
  • QWEN1.5-72B-Chat-GPTQ-Int4 배포 환경 @BYX020119
  • Qwen1.5-Moe-Chat Transformers 배포 @ding yue
  • Qwen1.5-7B-Chat Vllm 추론 배포@gao liye
  • Qwen1.5-7B-Chat Lora Swanlab 실험 관리 플랫폼에 대한 미세 조정 액세스 @Huang Bote

• Google- 젬마

  • Gemma-2B-It Fastapi 배포 전화 @dongdong
  • Gemma-2B-It Langchain Access @dongdong
  • Gemma-2B-IT Webdemo 배포 @dongdong
  • Gemma-2B-It Peft lora Fine Tuning @ Dongdong

• PHI-3

  • PHI-3-MINI-4K- 구조 스트럽 FASTAPI 배포 전화 @ZHENG HAOHUA
  • PHI-3-MINI-4K- 구조 LANGCHAIN ​​ACCESS @ZHENG HAOHUA
  • PHI-3-MINI-4K-Instruct WebDemo 배포 @ding yue
  • PHI-3-MINI-4K- 구조 로라 미세 조정 @ding yue

• 문자 Glm-6b

  • Carac
  • arc
  • charac
  • 문자 Glm-6b Lora 미세 조정 @sun jianzhuang

• LLAMA3-8B- 강조

  • LLAMA3-8B- 구조 스트럭 스파이프 배포는 @gao liye 전화로 전화하십시오
  • llama3-8b- 구조 langchain access @do n't scallions, ginger 및 marlic
  • LLAMA3-8B- 구조 webdemo 배포 @do n't scallions, ginger 및 marlic
  • LLAMA3-8B- 구조 lora 미세 튜닝 @ gao liye

• xverse-7b-chat

  • Xverse-7B-Chat Transformers 배포 전화 @guo Zhihang
  • XVERSE-7B-Chat Fastapi 배포 전화 @guo Zhihang
  • XVERSE-7B-Chat Langchain Access @Guo Zhihang
  • XVERSE-7B-Chat WebDemo 배포 @Guo Zhihang
  • xverse-7b-chat lora 미세 조정 @ guo zhihang

• Transnormerllm

  • Transnormerllm-7B-Chat Fastapi 배포 전화 @wang maolin
  • Transnormerllm-7B-Chat Langchain Access @wang Maolin
  • Transnormerllm-7B-Chat Webdemo 배포 @wang maolin
  • Transnormerllm-7B-Chat Lora 미세 튜닝 @wang maolin

• Bluelm Vivo Blue Heart 모델

  • Bluelm-7B-Chat Fatapi 배포 전화 @guo Zhihang
  • Bluelm-7B-Chat Langchain Access @guo Zhihang
  • Bluelm-7B-Chat Webdemo 배포 @Guo Zhihang
  • Bluelm-7B-Chat Lora 미세 튜닝 @ Guo Zhihang

• internlm2

  • Internlm2-7B-Chat Fastapi 배포 전화 @do n't scallion, ginger, marlic
  • Internlm2-7B-Chat langchain access @ do not salions, ginger 및 marlic
  • Internlm2-7B-Chat Webdemo 배포 @zheng haohua
  • internlm2-7b-chat xtuner qlora 미세 조정 @zheng haohua

• 심도 깊은 검색

  • Deepseek-7B-Chat Fastapi 배포 전화 @do n't scallion, ginger, marlic
  • Deepseek-7B-Chat Langchain Access @ do not salions, ginger 및 marlic
  • Deepseek-7B-Chat Webdemo @에는 파기, 생강 및 마늘이 없습니다
  • Deepseek-7B-Chat Lora Fine Tuning @Do n't Scallions, Ginger 및 Garlic
  • DeepSeek-7B-Chat 4Bits 정량적 Qlora Fine Tuning @Do n't Salions, Ginger, Garlic
  • DeepSeek-Moe-16B-Chat Transformers 배포 전화 @kailigithub
  • DeepSeek-Moe-16B-Chat Fastapi 배포 전화 @kailigithub
  • DeepSeek-Coder-6.7b Fineune Colab @swiftie
  • DeepSeek-Coder-6.7b Webdemo Colab @swiftie

• minicpm

  • minicpm-2b-chat 변압기 배포 @kailigithub
  • minicpm-2b-chat fastapi 배포 전화 @kailigithub
  • minicpm-2b-chat langchain access @ do not salions, ginger and marlic
  • minicpm-2b-chat webdemo 배포 @kailigithub
  • minicpm-2b-chat lora && full fine teach @do n't scallions, ginger and marlic
  • 공식 링크 : 벽을 향한 작은 대포 @openbmb에 미니 튜토리얼
  • 공식 링크 : minicpm-cookbook @openbmb

• Qwen-Audio

  • Qwen-Audio Fastapi 배포 전화 @chen sizhou
  • Qwen-Audio Webdemo @chen sizhou

• Qwen

  • Qwen-7B-Chat Transformers 배포 전화 @li jiaojiao
  • Qwen-7B-Chat Fastapi 배포는 @li jiaojiao를 호출합니다
  • Qwen-7b-Chat Webdemo @li jiaojiao
  • Qwen-7B-Chat Lora Fine Tuning @Do n't Spicy Ginger와 Garlic
  • Qwen-7b-Chat Ptuning 미세 조정 @xiao hongru
  • Qwen-7b-Chat 전액 미세 조정 @Do n't Salions, Ginger 및 Garlic
  • Qwen-7B-Chat Langchain에 대한 접근, 지식 기반 조교 @li jiaojiao
  • Qwen-7B-Chat 저-프리션 교육 @xiao hongru
  • QWEN-1_8B-Chat CPU 배포 @成

• 천 가지

  • Yi-6B-Chat Fastapi 배포 전화 @li kechen
  • Yi-6B-Chat Langchain Access @li Kechen
  • Yi-6B-Chat Webdemo @xiao hongru
  • Yi-6B-Chat Lora 미세 조정 @li jiaojiao

• Baichuan 지능형

  • BAICHUAN2-7B-Chat Fastapi 배포 전화 @Hui jiahao
  • Baichuan2-7B-Chat Webdemo @hui jiahao
  • Baichuan2-7B-Chat Langchain 프레임 워크 @hui jiahao에 대한 액세스
  • Baichuan2-7B-Chat Lora 미세 튜닝 @ hui jiahao

• internlm

  • Internlm-Chat-7B 변압기 배포 @ @
  • Internlm-Chat-7b Fastapi 배포 전화 @do n't scallions, ginger 및 marlic
  • Internlm-Chat-7b Webdemo @에는 파기, 생강 및 마늘이 없습니다
  • Lagent+Internlm-Chat-7b-v1.1 Webdemo @Do n't Callions, Ginger 및 Garlic
  • Puyu Lingbi 그래픽 및 텍스트 이해 및 창조 webdemo @日本本本本本本本本本本本本本本本本本本本本本本本本本本本本本本本本本本本本 � �
  • Langchain 프레임 워크 @logan Zou에 대한 Internlm-Chat-7b 액세스

• 원자 (llama2)

  • Atom-7B-Chat Webdemo @kailigithub
  • Atom-7B-Chat Lora 미세 조정 @logan zou
  • Atom-7B-Chat은 Langchain에 연결하여 지식 기반 어시스턴트 @ Chen Sizhou를 구축합니다.
  • Atom-7B-Chat 전체 미세 조정 @Logan Zou

• chatglm3

  • Chatglm3-6b 변압기 배포 @ding yue
  • chatglm3-6b fastapi 배포 호출 @ding yue
  • chatglm3-6b 채팅 webdemo @do n't scallion, ginger, marlic
  • Chatglm3-6b 코드 통역사 Webdemo @Do n't Scallion, Ginger, Garlic
  • chatglm3-6b langchain framework @logan zou에 대한 액세스
  • chatglm3-6b lora 미세 조정 @xiao hongru

일반적인 환경 구성

• Pip, Conda Change Source @ do not 양파, 생강, 마늘이 없습니다.

• Autodl Open Port @매운 생강과 마늘을하지 마십시오

• 모델 다운로드

  • 포옹 얼굴 @에는 녹색 양파, 생강, 마늘이 없습니다
  • 껴안는 얼굴 이미지 다운로드 @는 양파, 생강, 마늘이 없습니다
  • ModelScope @에는 파기, 생강, 마늘이 없습니다
  • git-lfs @에는 파기, 생강 및 마늘이 없습니다
  • OpenXlab

• 문제 및 pr

  • 발행 @xiao hongru를 제출하십시오
  • PR 제출 @xiao hongru
  • 포크 업데이트 @xiao hongru

감사의 말

핵심 기고자

• Song Zhixue (양파, 생강 및 마늘이 없음)-프로젝트 리더 (Datawhale-China University of Mining and Technology (Beijing))
• Zou Yuheng- 프로젝트 리더 (Datawhale -University of International Business and Economics)
• Xiao Hongru (Datawhale-Tongji University 회원)
• Guo Zhihang (콘텐츠 제작자)
• Zhang Fan (Content Creator-Datawhale 회원)
• Jiang Shufan (콘텐츠 제작자 주징 보조 교사)
• Li Jiaojiao (Datawhale 회원)
• Ding Yue (Datawhale-Jingyings Assectant Teacher)
• Lin Zeyi (Content Creator-Swanlab 제품 관리자)
• Hui Jiahao (Datawhale-Propaganda 대사)
• Wang Maolin (Content Creator-Datawhale 회원)
• Sun Jianzhuang (콘텐츠 제작자-국제 비즈니스 및 경제학)
• Dongdong (Content Creator-Google 개발자 기계 학습 기술 전문가)
• Gao Liye (Content Creator-Datawhale 회원)
• Wang Zeyu (Content Creator-Taiyuan University of Technology-Jinging Assistant Teaching)
• Kailigithub (Datawhale 회원)
• Zheng Haohua (콘텐츠 제작자)
• Li Kechen (Datawhale 회원)
• Chen Sizhou (Datawhale 회원)
• Walk (Datawhale 회원)
• Yan Xin (Datawhale 회원)
• 메밀 (컨텐츠 제작자 -datawhale 회원)
• Swiftie (Xiaomi NLP 알고리즘 엔지니어)
• Huang Bote (Content Creator-Xi'an University of Electronic Science and Technology)
• Zhang Youdong (Content Creator-Datawhale 회원)
• Yu Yang (Content Creator-Datawhale 회원)
• Zhang Jin (Content Creator-Datawhale 회원)
• Lou Tianao (Content Creator-University of Chinese Sciences Academy-Jinging Assistant Teaching)
• Zuo Chunsheng (Content Creator-Datawhale 회원)
• Yang Zhuo (Content Creator-Xi'an University of Electronic Science and Technology-Jinging Assistant Teaching)
• Luo Luo (Content Creator-Datawhale 회원)
• Tan Yike (Content Creator -University of International Business and Economics)
• Wang Yiming (Content Creator-Datawhale 회원)
• 그는 Zhixuan (콘텐츠 제작자-질적 조교 교사)
• 강 징키 (Content Creator-Datawhale 회원)
• Sanshui (콘텐츠 제작자-질적 조교 교사)
• 9 월 (Content Creator-Datawhale 의도 회원)
• Deng Kaijun (Content Creator-Datawhale 회원)
• Yang Chenxu (Content Creator-Taiyuan University of Technology-Jinging Assistant Teaching)
• Zhao Wenkai (Content Creator-Taiyuan University of Technology-Jinging Assistant Teaching)
• Zhao Wei (컨텐츠 제작자-질적 조교 교사)
• Fu Zhiyuan (Content Creator-Hainan University)

참고 : 순위는 기여 수준별로 정렬됩니다

다른

• 이 프로젝트에 대한 도움과 지원에 대한 @sm1les에게 특별한 감사를드립니다.
• 일부 lora 코드 및 설명 참조 저장소 : https://github.com/zyds/transformers-code.git
• 아이디어가 있으시면 Datawhale에 문의하십시오. 모두가 문제를 제출할 수 있습니다.
• 아래 튜토리얼에 기여한 학생들에게 특별한 감사를드립니다!

스타 역사