END TO END GENERATIVE AI PROJECTS
1.0.0
| S.NO | 项目名称 | 描述 | 官方仓库 | 技术堆栈 |
|---|---|---|---|---|
| 1 | 多pdfs chatapp ai代理? | 使用Langchain,Google Gemini Pro和Faiss Vector DB与多个PDF无缝聊天,并无缝简化部署。从很棒的Google Gemini OpenSource语言模型中获取即时,准确的响应。立即改变您的PDF体验! | ![]() | F/w: Langchain Model :Google Gemini Pro, Vector DB :Faiss Deployment :简化 |
| 2 | ?使用llm到语音genai工具?♨️ | 通过提示Genai LLM模型,基于上传图像的上下文生成音频短篇小说的AI工具。 | ![]() | F/w: Langchain Model :拥抱面模型,OpenAI GPT-3.5, Vector Deployment :简化,拥抱空间 |
| 3 | YouTube视频转录摘要llm应用程序 | YouTube视频转录摘要llm应用程序与Google Gemini Pro提供详细的注释,该注释基于YouTube视频成绩单。借助AI的力量,您现在可以将视频成绩单转换为全面的学习材料。 | ![]() | Google Gemini Pro |
| 4 | 端到端rag llm应用 | 使用Llama2和LlamainDex构建RAG LLM应用程序的分步指南 | ![]() | Llama2和Llamaindex |
| 5 | 恢复ATS跟踪LLM项目 | 这是一个旨在优化招聘过程的项目。它将高级申请人跟踪系统与Google Gemini Pro集成,简化了简历解析,关键字匹配和候选评估,以进行人才掌握的有效端到端解决方案。 | ![]() | Google Gemini Pro |
| 6 | 与SQL LLM应用程序以及查询SQL数据库一起端到头文本 | “使用Google Gemini Pro的文本到SQL LLM应用程序”是一种软件应用程序,可促进自然语言查询转换为SQL命令。它还使用生成的SQL命令直接启用查询SQL数据库。 | ![]() | 使用Google Gemini Pro |
| 7 | 端到端多语言发票提取器项目 | 多语言发票提取器发现多语言发票提取器的功能!该简化应用程序由Google Gemini Pro Vision AI提供支持,使从发票图像中提取信息变得轻而易举。上传图像,添加提示并毫不费力地获得详细的响应。提供多语言支持。 | ![]() | 使用Google Gemini Pro |
| 8 | PDF文档问题回答LLM系统 | ![]() | Langchain,Cassandra,Astra DB,矢量数据库 | |
| 9 | 带有自定义数据集的微调美洲驼2 | ![]() | 使用LoRA和QLoRA技术 | |
| 10 | 端到端rag llm应用程序:索引和查询多个PDF | ![]() | 使用Llamaindex和OpenAI | |
| 11 | 实时金融库存分析 | ![]() | 使用CrewAI , Groq , LangChain和其他一些API,例如browserless, Serper and SEC EDGAR API | |
| 12 | 医疗聊天机器人 | Llama2 Medical Bot是一种强大的工具,旨在通过使用最先进的语言模型和矢量商店回答用户查询来提供医疗信息。该机器人在一台具有至少16GB RAM的不错的CPU机器上运行。 | ![]() | 使用Llama2和Sentence Transformers 。由Langchain和Chainlit提供支持 |
| 13 | 专家的医疗混合物LLM | 专家使用Mergekit的医疗混合物。 | ![]() | 合并 |
| 14 | 干草堆和米斯特拉尔7B RAG实施 | Haystack和Mismtral 7b Rag实施。它基于完全开源堆栈。 | ![]() | 干草堆和7B-rag |
| 15 | Power QNA聊天机器人 | 问题答案生成应用使用Mistral 7b,Langchain和FastApi。 | ![]() | Mistral 7b,Langchain和Fastapi。 |
| 16 | 抹布 | gemma-7b-rag-unity-collama | ![]() | gemma-7b-rag-unity-collama |
| 17 | 设备LLM推论 | 使用MediaPipe LLM推理API推理了设备LLM。 | ![]() | 使用MediaPipe LLM推理API。 |
| 18 | 使用Openai的个人语音助手 | ![]() | ||
| 19 | 使用Unsploth对LLM的快速微调和DPO培训 | ![]() | ||
| 20 | GROQ聊天应用程序 | GROQ聊天应用程序使用GROQ API和简化。 | ![]() | GROQ API和简化。 |
| 21 | 使用Bio-Mistral-7b的医疗破布 | 这是使用开源堆栈的RAG实现。 BioMistral 7b已与PubMedbert一起构建此应用 | ![]() | 抹布实施,生物局部7B,PubMedbert,Qdrant,Langchain&Llama CPP |
| 22 | 端到端的抹布实施 - 使用亚马逊基石 | ![]() | 亚马逊基岩 | |
| 23 | 使用SSD-1B更快的稳定扩散 | 使用SSD-1B更快的稳定扩散。演示中的Gradio应用程序。 | ![]() | 使用SSD-1B,Gradio稳定扩散 |
| 24 | PHI-2微调 | PHI-2微调以建立心理健康GPT。 | ![]() | phi-2-fin-tuning |
| 25 | 使用Meditron-7b-llm的医疗破布 | 使用Meditron 7B LLM,QDRANT矢量数据库和PubMedbert嵌入模型的医疗抹布QA应用。 | ![]() | Meditron 7b LLM,QDrant,PubMedbert |
| 26 | 使用LCM LORA生成最快的图像。 | ![]() | 洛拉 | |
| 27 | 使用NVIDIA NIM基于Hyde的抹布 | ![]() | 基于Hyde的抹布,NVIDIA NIM | |
| 28 | 使用Visdum-ai构建智能系统 | ![]() | Visdum-ai | |
| 29 | Zephyr 7b Beta beta rag演示在Gradio应用中 | Zephyr 7b Beta beta rag演示在Gradio应用程序中,该应用程序由BGE Embeddings,Chromadb和Zephyr 7b Beta提供动力。 | ![]() | Zephyr 7b Beta,抹布,Gradio,BGE嵌入,Chromadb |
| 30 | 兰链表达语言 | Langchain表达语言的介绍。 | ![]() | Lel |
| 31 | 微调多模式LLM | 微调在拥抱脸上可在Pokemon GO数据集上使用Pokemon GO数据集的多模式LLM“ IDEFICS 9B”。 | ![]() | 多模式LLM“ Idefics 9B” |
| 32 | 使用干草,Mistral和Chainlit的破布工具 | 使用Haystack,Mistral和Chainlit的破布工具。 CPU上的所有开源堆栈。 | ![]() | 抹布,干草堆,米斯特拉尔,链条 |
| 33 | 使用llmlingua提示压缩 | 使用llmlingua提示压缩。它有助于代币的成本和延迟。 | ![]() | 迅速压缩,llmlingua |
| 34 | Colab中的流扩散 | ![]() | ||
| 35 | 使用Langchain的多模式窗格 | 多模式rag使用的距离链 | ![]() | 抹布,兰班 |
| 36 | 使用快速注射预防技术安全-AI-LLM聊天机器人 | 迅速注射和预防技术。使用使用LLMS构建的AI聊天机器人。 | ![]() | 提示注射,LLM |
| 37 | 任何LLM的GGUF量化 | gguf量化 | ![]() | GGUF量化 |
| 38 | 使用Lora的Deltamon动漫 | Deltamon-Anime使用Lora | ![]() | 洛拉 |
| 39 | LLM和抹布的评估 | 评估lllms and rags。评估LLM和抹布的完整指南,涵盖了理论和基于代码的方法。 | ![]() | llms,抹布 |
| 40 | 不整齐的微调 | 不舒服的调整 | ![]() | 不塞 |
| 41 | llmware的Slim模型 | llmware的Slim型号。简化应用程序显示AI代理和功能调用功能的功能。 | ![]() | Slim模型,LLMware,AI代理,功能调用,简化应用程序 |
| 42 | 小型多模式模型 | 小型多模式模型“ IMP-V1-3B”使用Phi-2和siglip训练。 | ![]() | 小型多式视觉模型“ Imp-V1-3b”,Phi-2,siglip |
| 43 | Langsmith实施 | langsmith-oflimentation | ![]() | 兰史密斯 |
| 44 | Langserve实施 | 兰斯维尔实施 | ![]() | 兰瑟夫 |
| 45 | 使用LLAVA 7B和Gradio的多模式AI应用 | 使用LLAVA 7B和Gradio的多模式AI应用 | ![]() | Llava 7b,Gradio |
| 46 | 困惑液 | 使用langgraph,tavily和gpt-4的困惑光Lite。 | ![]() | Langgraph,Tavily和GPT-4。 |
| 47 | 生成-Ai-llm项目 | AI一代端到头大型语言模型项目 | ![]() | 30多代AI端到结束大型语言模型项目,具有最新的OpenSource模型,微调 |
| 48 | Musicai | 带有变压器和Pytorch的自定义音乐发电 | ![]() | 变形金刚,Pytorch |
| 49 | 使用Gemini LLM的音频摘要应用程序 | 使用Gemini LLM的音频摘要应用程序 | ![]() | 双子座1.5,LLM |
| 50 | 微调多模式LLM使用Qlora | 微调多模式LLM“ IDEFICS 2”使用Qlora。 | ![]() | 多模式LLM“ Idefics 2”,Qlora |
| 51 | Llama 3 Orpo Finetuning | Llama 3 Orpo微调在COLAB PRO中的A100。 | ![]() | 骆驼3 orpo |
| 52 | 使用Llama3,Langchain和Chromadb的抹布 | 该项目利用Llama3 Langchain和Chromadb建立了检索增强发电(RAG)系统。即使在大型语言模型(LLM)的培训数据中未包含这些信息,该系统也使您提出有关文档的问题。提出问题时,通过首先执行检索步骤来检索增强一代。此步骤从特殊的矢量数据库中获取相关文档,其中已索引文档。 | ![]() | 使用Llama3,Langchain和Chromadb的抹布 |
| 53 | Llama-3 70B LLM与NVIDIA | 认识Llama3聊天AI应用程序! Meta揭露了Llama 3,这是迄今为止最强大的开源模型。与Llama3聊天机器人无缝聊天。从Awesome Llama3 OpenSource语言模型中获取即时,准确的响应 | ![]() | Llama-3 70B LLM与NVIDIA,简化UI |
| 54 | 有效地用Pytorch FSDP和Q-Lora微调乳拉3 | 有效地用Pytorch FSDP和Q-Lora微调乳拉3 | ![]() | Llama 3与Pytorch FSDP和Q-Lora,微调 |
| 55 | META LLAMA3 Genai Real World Usecases最终实施指南 | Llama3 Genai用户酶 | ![]() | Llama3,Finetuning,部署,抹布,Langchain |
| 56 | Meta的Llama3量化??? | Llama3量化是正式实施纸张“低位量化Llama3型号的好处?”。这里的评估是对1-8位Llama3的10种现有培训后量化和LORA-FINETNETING方法进行的,并全面揭示了Llama3的低位量化性能。 | ![]() | 量化,generativeai,Llama3-meta-ai |
| 57 | Ollama-usecases? | 此存储库带来了开源Ollama的许多用例 | ![]() | 霍拉马 |
| 58 | AI代理? | 多工具框架的设计模式,例如Autogen,Langraph,Taskweaver,Crewai等 | ![]() | 多代理框架,例如Autogen,Langraph,Taskweaver,Crewai |
| 59 | 与llamaindex和nvidia的抹布 | 与llamaindex和nvidia的抹布 | ![]() | 与llamaindex和nvidia的抹布 |
| 60 | 使用AWQ量化LLM | 使用AWQ量化LLM | ![]() | 使用AWQ量化LLM |
| 61 | LLMS推断和微调 | 估计LLMS推断和微调的记忆消耗 | ![]() | LLMS推断和微调 |
| 62 | Microsoft的PHI-3 LLM | Microsoft实施的PHI-3 LLM | ![]() | PHI-3 LLM |
| 63 | 高级抹布?? | 使用Langchain,OpenAi GPTS,Meta Llama3,Agents的力量,通过实用笔记本电脑进行了先进的检索效果(RAG)。 | ![]() | 先进的检索演出一代(RAG),Langchain,Openai GPTS,Meta Llama3,代理商。 |
| 64 | rag-using-aws-begs and-azure-openai | rag-using-aws-begs and-azure-openai | ![]() | 抹布,AWS-BETROCK,Azure-Openai,Generative AI |
| 65 | LLM Security 2024 | 确保LLM与前10名OWASP大型语言模型漏洞2024 | ![]() | OWASP,LLM安全性,漏洞,数据安全性,网络安全性,生成AI,LLM安全性 |
| 66 | GPT4O-API-IMPLENTICTION-GPT4-RAG | GPT4 API,GPT4 RAG,OpenAI GPT4助手,OpenAI模型入门 | ![]() | Openai-API,GPT-4,大型语言模型,生成-AI,GPT4-API,GPT4O |
| 67 | Paligemma推断和微调 | Paligemma推断和微调 | ![]() | Paligemma,推理,微调,生成-AI |
| 68 | LLMS评估 | LLMS评估 | ![]() | LLMS评估,生成AI |
| 69 | 使用OpenAI GPT-4O(OMNI)模型使用Object Box Vector数据库构建抹布 | 使用OpenAI GPT-4O(OMNI)模型使用Object Box Vector数据库构建抹布 | ![]() | RAG,OpenAI GPT-4O(OMNI)模型,MobjectBox矢量数据库 |
| 70 | Paligemma Finetuning | Paligemma Finetuning | ![]() | paligemma,Finetuning |
| 71 | 抹布评估器 | 用于评估检索功能生成(RAG)系统的库 | ![]() | 抹布评估器,指标:Bleu,Rouge,Bert,困惑,多样性,种族偏见 |
| 72 | grippape:从头开始创建可自定义的多AI代理 | grippape:从头开始创建可自定义的多AI代理 | ![]() | 基于代理的框架,Griptape,LLM,Generative-AI,Aiagents |
| 73 | 使用LLM的合成数据生成 | 使用argilla,Distilabel,Chatgpt等使用LLM合成数据生成。 | ![]() | 合成数据生成,LLM,Argilla,Distilabel,Chatgpt |
| 74 | GROQ-WHISPER快速转录应用程序 | GROQ-WHISPER快速转录应用程序使用GROQ API构建和简化 | ![]() | GROQ WHISPER,LLM,简化 |
| 75 | Crewai AgentOps | Crewai AgentOps:监视您的AI代理商 | ![]() | 代理商,生成ai,crewai,iiagents |
| 76 | 使用船员AI的代理抹布 | 使用船员AI的代理抹布 | ![]() | 抹布,生成-Ai,crewai,aiegents,AgentIc-rag,Agent-ai,crewai-rag |
| 77 | AI代理使用船员AI | AI代理使用机组人员简化了应用程序 | ![]() | AI代理,简化应用程序,Generativeai,机组人员AI |
| 78 | 多GPU精细培训LLM | 使用DeepSpeed并加速使用多GPU良好训练LLM。 | ![]() | 加速,GPU计算,填充,深速,大型语言模型,生成-AI |
| 79 | 基于LLM的财务代理 | 使用大型语言模型(LLM)进行自动金融新闻检索和股票价格预测的智能代理。 | ![]() | 基于代理的Finance-API,LLM,Generative-AI,Gemini-Pro |
| 更多项目列表即将到来... !!! |
根据MIT许可分发。有关更多信息,请参见LICENSE 。