END TO END GENERATIVE AI PROJECTS
1.0.0
| S.NO | 項目名稱 | 描述 | 官方倉庫 | 技術堆棧 |
|---|---|---|---|---|
| 1 | 多pdfs chatapp ai代理? | 使用Langchain,Google Gemini Pro和Faiss Vector DB與多個PDF無縫聊天,並無縫簡化部署。從很棒的Google Gemini OpenSource語言模型中獲取即時,準確的響應。立即改變您的PDF體驗! | ![]() | F/w: Langchain Model :Google Gemini Pro, Vector DB :Faiss Deployment :簡化 |
| 2 | ?使用llm到語音genai工具?♨️ | 通過提示Genai LLM模型,基於上傳圖像的上下文生成音頻短篇小說的AI工具。 | ![]() | F/w: Langchain Model :擁抱面模型,OpenAI GPT-3.5, Vector Deployment :簡化,擁抱空間 |
| 3 | YouTube視頻轉錄摘要llm應用程序 | YouTube視頻轉錄摘要llm應用程序與Google Gemini Pro提供詳細的註釋,該註釋基於YouTube視頻成績單。借助AI的力量,您現在可以將視頻成績單轉換為全面的學習材料。 | ![]() | Google Gemini Pro |
| 4 | 端到端rag llm應用 | 使用Llama2和LlamainDex構建RAG LLM應用程序的分步指南 | ![]() | Llama2和Llamaindex |
| 5 | 恢復ATS跟踪LLM項目 | 這是一個旨在優化招聘過程的項目。它將高級申請人跟踪系統與Google Gemini Pro集成,簡化了簡歷解析,關鍵字匹配和候選評估,以進行人才掌握的有效端到端解決方案。 | ![]() | Google Gemini Pro |
| 6 | 與SQL LLM應用程序以及查詢SQL數據庫一起端到頭文本 | “使用Google Gemini Pro的文本到SQL LLM應用程序”是一種軟件應用程序,可促進自然語言查詢轉換為SQL命令。它還使用生成的SQL命令直接啟用查詢SQL數據庫。 | ![]() | 使用Google Gemini Pro |
| 7 | 端到端多語言發票提取器項目 | 多語言發票提取器發現多語言發票提取器的功能!該簡化應用程序由Google Gemini Pro Vision AI提供支持,使從發票圖像中提取信息變得輕而易舉。上傳圖像,添加提示並毫不費力地獲得詳細的響應。提供多語言支持。 | ![]() | 使用Google Gemini Pro |
| 8 | PDF文檔問題回答LLM系統 | ![]() | Langchain,Cassandra,Astra DB,矢量數據庫 | |
| 9 | 帶有自定義數據集的微調美洲駝2 | ![]() | 使用LoRA和QLoRA技術 | |
| 10 | 端到端rag llm應用程序:索引和查詢多個PDF | ![]() | 使用Llamaindex和OpenAI | |
| 11 | 實時金融庫存分析 | ![]() | 使用CrewAI , Groq , LangChain和其他一些API,例如browserless, Serper and SEC EDGAR API | |
| 12 | 醫療聊天機器人 | Llama2 Medical Bot是一種強大的工具,旨在通過使用最先進的語言模型和矢量商店回答用戶查詢來提供醫療信息。該機器人在一台具有至少16GB RAM的不錯的CPU機器上運行。 | ![]() | 使用Llama2和Sentence Transformers 。由Langchain和Chainlit提供支持 |
| 13 | 專家的醫療混合物LLM | 專家使用Mergekit的醫療混合物。 | ![]() | 合併 |
| 14 | 乾草堆和米斯特拉爾7B RAG實施 | Haystack和Mismtral 7b Rag實施。它基於完全開源堆棧。 | ![]() | 乾草堆和7B-rag |
| 15 | Power QNA聊天機器人 | 問題答案生成應用使用Mistral 7b,Langchain和FastApi。 | ![]() | Mistral 7b,Langchain和Fastapi。 |
| 16 | 抹布 | gemma-7b-rag-unity-collama | ![]() | gemma-7b-rag-unity-collama |
| 17 | 設備LLM推論 | 使用MediaPipe LLM推理API推理了設備LLM。 | ![]() | 使用MediaPipe LLM推理API。 |
| 18 | 使用Openai的個人語音助手 | ![]() | ||
| 19 | 使用Unsploth對LLM的快速微調和DPO培訓 | ![]() | ||
| 20 | GROQ聊天應用程序 | GROQ聊天應用程序使用GROQ API和簡化。 | ![]() | GROQ API和簡化。 |
| 21 | 使用Bio-Mistral-7b的醫療破布 | 這是使用開源堆棧的RAG實現。 BioMistral 7b已與PubMedbert一起構建此應用 | ![]() | 抹布實施,生物局部7B,PubMedbert,Qdrant,Langchain&Llama CPP |
| 22 | 端到端的抹布實施 - 使用亞馬遜基石 | ![]() | 亞馬遜基岩 | |
| 23 | 使用SSD-1B更快的穩定擴散 | 使用SSD-1B更快的穩定擴散。演示中的Gradio應用程序。 | ![]() | 使用SSD-1B,Gradio穩定擴散 |
| 24 | PHI-2微調 | PHI-2微調以建立心理健康GPT。 | ![]() | phi-2-fin-tuning |
| 25 | 使用Meditron-7b-llm的醫療破布 | 使用Meditron 7B LLM,QDRANT矢量數據庫和PubMedbert嵌入模型的醫療抹布QA應用。 | ![]() | Meditron 7b LLM,QDrant,PubMedbert |
| 26 | 使用LCM LORA生成最快的圖像。 | ![]() | 洛拉 | |
| 27 | 使用NVIDIA NIM基於Hyde的抹布 | ![]() | 基於Hyde的抹布,NVIDIA NIM | |
| 28 | 使用Visdum-ai構建智能係統 | ![]() | Visdum-ai | |
| 29 | Zephyr 7b Beta beta rag演示在Gradio應用中 | Zephyr 7b Beta beta rag演示在Gradio應用程序中,該應用程序由BGE Embeddings,Chromadb和Zephyr 7b Beta提供動力。 | ![]() | Zephyr 7b Beta,抹布,Gradio,BGE嵌入,Chromadb |
| 30 | 蘭鍊錶達語言 | Langchain表達語言的介紹。 | ![]() | Lel |
| 31 | 微調多模式LLM | 微調在擁抱臉上可在Pokemon GO數據集上使用Pokemon GO數據集的多模式LLM“ IDEFICS 9B”。 | ![]() | 多模式LLM“ Idefics 9B” |
| 32 | 使用乾草,Mistral和Chainlit的破布工具 | 使用Haystack,Mistral和Chainlit的破布工具。 CPU上的所有開源堆棧。 | ![]() | 抹布,乾草堆,米斯特拉爾,鏈條 |
| 33 | 使用llmlingua提示壓縮 | 使用llmlingua提示壓縮。它有助於代幣的成本和延遲。 | ![]() | 迅速壓縮,llmlingua |
| 34 | Colab中的流擴散 | ![]() | ||
| 35 | 使用Langchain的多模式窗格 | 多模式rag使用的距離鏈 | ![]() | 抹布,蘭班 |
| 36 | 使用快速注射預防技術安全-AI-LLM聊天機器人 | 迅速注射和預防技術。使用使用LLMS構建的AI聊天機器人。 | ![]() | 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動漫 | Deltamon-Anime使用Lora | ![]() | 洛拉 |
| 39 | LLM和抹布的評估 | 評估lllms and rags。評估LLM和抹布的完整指南,涵蓋了理論和基於代碼的方法。 | ![]() | llms,抹布 |
| 40 | 不整齊的微調 | 不舒服的調整 | ![]() | 不塞 |
| 41 | llmware的Slim模型 | llmware的Slim型號。簡化應用程序顯示AI代理和功能調用功能的功能。 | ![]() | Slim模型,LLMware,AI代理,功能調用,簡化應用程序 |
| 42 | 小型多模式模型 | 小型多模式模型“ IMP-V1-3B”使用Phi-2和siglip訓練。 | ![]() | 小型多式視覺模型“ Imp-V1-3b”,Phi-2,siglip |
| 43 | Langsmith實施 | langsmith-oflimentation | ![]() | 蘭史密斯 |
| 44 | Langserve實施 | 蘭斯維爾實施 | ![]() | 蘭瑟夫 |
| 45 | 使用LLAVA 7B和Gradio的多模式AI應用 | 使用LLAVA 7B和Gradio的多模式AI應用 | ![]() | 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項目 | AI一代端到頭大型語言模型項目 | ![]() | 30多代AI端到結束大型語言模型項目,具有最新的OpenSource模型,微調 |
| 48 | Musicai | 帶有變壓器和Pytorch的自定義音樂發電 | ![]() | 變形金剛,Pytorch |
| 49 | 使用Gemini LLM的音頻摘要應用程序 | 使用Gemini LLM的音頻摘要應用程序 | ![]() | 雙子座1.5,LLM |
| 50 | 微調多模式LLM使用Qlora | 微調多模式LLM“ IDEFICS 2”使用Qlora。 | ![]() | 多模式LLM“ Idefics 2”,Qlora |
| 51 | Llama 3 Orpo Finetuning | Llama 3 Orpo微調在COLAB PRO中的A100。 | ![]() | 駱駝3 orpo |
| 52 | 使用Llama3,Langchain和Chromadb的抹布 | 該項目利用Llama3 Langchain和Chromadb建立了檢索增強發電(RAG)系統。即使在大型語言模型(LLM)的培訓數據中未包含這些信息,該系統也使您提出有關文檔的問題。提出問題時,通過首先執行檢索步驟來檢索增強一代。此步驟從特殊的矢量數據庫中獲取相關文檔,其中已索引文檔。 | ![]() | 使用Llama3,Langchain和Chromadb的抹布 |
| 53 | Llama-3 70B LLM與NVIDIA | 認識Llama3聊天AI應用程序! Meta揭露了Llama 3,這是迄今為止最強大的開源模型。與Llama3聊天機器人無縫聊天。從Awesome Llama3 OpenSource語言模型中獲取即時,準確的響應 | ![]() | Llama-3 70B LLM與NVIDIA,簡化UI |
| 54 | 有效地用Pytorch FSDP和Q-Lora微調乳拉3 | 有效地用Pytorch FSDP和Q-Lora微調乳拉3 | ![]() | Llama 3與Pytorch FSDP和Q-Lora,微調 |
| 55 | META LLAMA3 Genai Real World Usecases最終實施指南 | Llama3 Genai用戶酶 | ![]() | Llama3,Finetuning,部署,抹布,Langchain |
| 56 | Meta的Llama3量化??? | Llama3量化是正式實施紙張“低位量化Llama3型號的好處?”。這裡的評估是對1-8位Llama3的10種現有培訓後量化和LORA-FINETNETING方法進行的,並全面揭示了Llama3的低位量化性能。 | ![]() | 量化,generativeai,Llama3-meta-ai |
| 57 | Ollama-usecases? | 此存儲庫帶來了開源Ollama的許多用例 | ![]() | 霍拉馬 |
| 58 | AI代理? | 多工具框架的設計模式,例如Autogen,Langraph,Taskweaver,Crewai等 | ![]() | 多代理框架,例如Autogen,Langraph,Taskweaver,Crewai |
| 59 | 與llamaindex和nvidia的抹布 | 與llamaindex和nvidia的抹布 | ![]() | 與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推斷和微調 | 估計LLMS推斷和微調的記憶消耗 | ![]() | LLMS推斷和微調 |
| 62 | Microsoft的PHI-3 LLM | Microsoft實施的PHI-3 LLM | ![]() | PHI-3 LLM |
| 63 | 高級抹布?? | 使用Langchain,OpenAi GPTS,Meta Llama3,Agents的力量,通過實用筆記本電腦進行了先進的檢索效果(RAG)。 | ![]() | 先進的檢索演出一代(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 | 確保LLM與前10名OWASP大型語言模型漏洞2024 | ![]() | OWASP,LLM安全性,漏洞,數據安全性,網絡安全性,生成AI,LLM安全性 |
| 66 | GPT4O-API-IMPLENTICTION-GPT4-RAG | GPT4 API,GPT4 RAG,OpenAI GPT4助手,OpenAI模型入門 | ![]() | Openai-API,GPT-4,大型語言模型,生成-AI,GPT4-API,GPT4O |
| 67 | Paligemma推斷和微調 | Paligemma推斷和微調 | ![]() | Paligemma,推理,微調,生成-AI |
| 68 | LLMS評估 | LLMS評估 | ![]() | LLMS評估,生成AI |
| 69 | 使用OpenAI GPT-4O(OMNI)模型使用Object Box Vector數據庫構建抹布 | 使用OpenAI GPT-4O(OMNI)模型使用Object Box Vector數據庫構建抹布 | ![]() | RAG,OpenAI GPT-4O(OMNI)模型,MobjectBox矢量數據庫 |
| 70 | Paligemma Finetuning | Paligemma Finetuning | ![]() | paligemma,Finetuning |
| 71 | 抹布評估器 | 用於評估檢索功能生成(RAG)系統的庫 | ![]() | 抹布評估器,指標:Bleu,Rouge,Bert,困惑,多樣性,種族偏見 |
| 72 | grippape:從頭開始創建可自定義的多AI代理 | grippape:從頭開始創建可自定義的多AI代理 | ![]() | 基於代理的框架,Griptape,LLM,Generative-AI,Aiagents |
| 73 | 使用LLM的合成數據生成 | 使用argilla,Distilabel,Chatgpt等使用LLM合成數據生成。 | ![]() | 合成數據生成,LLM,Argilla,Distilabel,Chatgpt |
| 74 | GROQ-WHISPER快速轉錄應用程序 | GROQ-WHISPER快速轉錄應用程序使用GROQ API構建和簡化 | ![]() | GROQ WHISPER,LLM,簡化 |
| 75 | Crewai AgentOps | Crewai AgentOps:監視您的AI代理商 | ![]() | 代理商,生成ai,crewai,iiagents |
| 76 | 使用船員AI的代理抹布 | 使用船員AI的代理抹布 | ![]() | 抹布,生成-Ai,crewai,aiegents,AgentIc-rag,Agent-ai,crewai-rag |
| 77 | AI代理使用船員AI | AI代理使用機組人員簡化了應用程序 | ![]() | AI代理,簡化應用程序,Generativeai,機組人員AI |
| 78 | 多GPU精細培訓LLM | 使用DeepSpeed並加速使用多GPU良好訓練LLM。 | ![]() | 加速,GPU計算,填充,深速,大型語言模型,生成-AI |
| 79 | 基於LLM的財務代理 | 使用大型語言模型(LLM)進行自動金融新聞檢索和股票價格預測的智能代理。 | ![]() | 基於代理的Finance-API,LLM,Generative-AI,Gemini-Pro |
| 更多項目列表即將到來... !!! |
根據MIT許可分發。有關更多信息,請參見LICENSE 。