หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

หลุย

Python ตรวจสอบสถานะการวางจำหน่ายเอกสาร

การแนะนำ

ภาษาอังกฤษ | 简体中文

Libai เป็นกล่องเครื่องมือฝึกอบรมแบบโอเพ่นซอร์สขนาดใหญ่ตาม OneFlow สาขาหลักทำงานกับ OneFlow 0.7.0

ไฮไลท์

  • สนับสนุนคอลเลกชันของส่วนประกอบการฝึกอบรมแบบขนาน

    Libai ให้ความเท่าเทียมหลายอย่างเช่นข้อมูลขนานข้อมูล, คู่ขนานเทนเซอร์และการขนานกันไปป์ไลน์ นอกจากนี้ยังสามารถขยายได้สำหรับคู่ขนานใหม่อื่น ๆ

  • เทคนิคการฝึกอบรมที่หลากหลาย

    LIBAI ให้บริการเทคนิคการฝึกอบรมนอกกรอบมากมายเช่นการฝึกอบรมแบบกระจายการฝึกอบรมที่มีความแม่นยำแบบผสมการเปิดใช้งานการเปิดใช้งานการคำนวณการสะสมการไล่ระดับสีและการเพิ่มประสิทธิภาพความซ้ำซ้อนเป็นศูนย์ (ศูนย์)

  • สนับสนุนงานทั้ง CV และ NLP

    LIBAI ได้กำหนดกระบวนการข้อมูลที่กำหนดไว้ล่วงหน้าสำหรับชุดข้อมูล CV และ NLP เช่น CIFAR, Imagenet และชุดข้อมูล BERT

  • ใช้งานง่าย

    ส่วนประกอบของ Libai ได้รับการออกแบบให้เป็นแบบแยกส่วนเพื่อการใช้งานที่ง่ายขึ้นดังนี้:

    • ระบบ lazyconfig สำหรับไวยากรณ์ที่ยืดหยุ่นมากขึ้นและไม่มีโครงสร้างที่กำหนดไว้ล่วงหน้า
    • เทรนเนอร์และเครื่องยนต์ที่เป็นมิตร
    • ใช้เป็นห้องสมุดเพื่อสนับสนุนโครงการวิจัยการสร้าง ดูโครงการ/ สำหรับบางโครงการที่สร้างขึ้นตาม LIBAI

  • ประสิทธิภาพสูง

การติดตั้ง

ดูคำแนะนำการติดตั้ง

เริ่มต้น

ดูการวิ่งอย่างรวดเร็วสำหรับการใช้งานขั้นพื้นฐานของ Libai

เอกสาร

ดูเอกสารประกอบของ LIBAI สำหรับเอกสารและบทช่วยสอนเต็มรูปแบบ

การเปลี่ยนแปลง

เบต้า 0.3.0 เปิดตัวใน 03/11/2024 การเปลี่ยนแปลงทั่วไปในรุ่น 0.3.0 มีดังนี้:

คุณสมบัติ:

  • รองรับหม้อแปลงจำลองดูหม้อแปลงเยาะเย้ย
  • สนับสนุน LM-Evaluation-Harness สำหรับการประเมินแบบจำลอง
  • การเพิ่มประสิทธิภาพประสบการณ์ผู้ใช้

รุ่นใหม่ที่รองรับ:

  • แบบจำลองเหล่านี้ได้รับการสนับสนุนโดย LIBAI
แบบจำลอง การอนุมาน 2d (TP+PP) การฝึกอบรมแบบขนาน 3D
ผลิบาน -
chatglm
คู่หู
Dalle2 -
Llama2
แม่
เสถียร _diffusion - -

รุ่นจำลองใหม่:

  • แบบจำลองเหล่านี้ถูกขยายและนำไปใช้โดย LIBAI ผ่านการเยาะเย้ยหม้อแปลง
แบบจำลอง เทนเซอร์ขนานกัน ท่อขนาน
ผลิบาน -
GPT2 -
ลาม่า -
Llama2 -
ชาวไชน่า -
เลือก -

ดู Changelog สำหรับรายละเอียดและประวัติการวางจำหน่าย

การบริจาค

เราขอขอบคุณการมีส่วนร่วมทั้งหมดเพื่อปรับปรุง Libai ดูการมีส่วนร่วมสำหรับแนวทางที่มีส่วนร่วม

ใบอนุญาต

โครงการนี้เปิดตัวภายใต้ใบอนุญาต Apache 2.0

การอ้างอิง

หากคุณพบว่าโครงการนี้มีประโยชน์สำหรับการวิจัยของคุณให้พิจารณาอ้างอิง: 

 @misc { of2021libai ,
  author =       { Xingyu Liao and Peng Cheng and Tianhe Ren and Depeng Liang and
                  Kai Dang and Yi Wang and Xiaoyu Xu } ,
  title =        { LiBai } ,
  howpublished = { url{https://github.com/Oneflow-Inc/libai} } ,
  year =         { 2021 }
}

เข้าร่วมกลุ่ม WeChat

libai_wechat_qrcode

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด