Startseite Projekte flame
flame
Python

flame

🔥 Ein minimales Trainingsframework zum Skalieren von FLA-Modellen

von fla-org · GitHub
Sterne
Forks
Lizenz
Erstellt
Letzter Commit
Sprache
flash-linear-attentionlarge-language-modelssequence-modelingMITPython
Auf GitHub ansehen
In einfachen Worten

Trainieren Sie Sprachmodelle effizient mit einem einfachen Framework, das verschiedene Datensätze und automatische Datenvorbereitung unterstützt.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
flame — GitHub preview card
📈 Sternhistorie
413403
2026-07-202026-08-31
📈 flame verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

🔥 Ein minimales Trainingsframework zum Skalieren von FLA-Modellen

flame hat 413 Sterne auf GitHub. Es wurde 67-mal geforkt. flame ist hauptsächlich in Python geschrieben. Es wird seit 2025 aktiv entwickelt. flame ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: flash-linear-attention, large-language-models, sequence-modeling.

Frequently asked questions

Was ist flame?

🔥 Ein minimales Trainingsframework zum Skalieren von FLA-Modellen

Ist flame Open Source?

flame ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist flame kostenlos?

Ja. flame ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht flame?

flame ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist flame geschrieben?

flame ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — flame

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=fla-org-flame)](https://olud.ai/project/fla-org-flame.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.