Startseite Projekte MegaDLMs
MegaDLMs

MegaDLMs

von JinjieNi · GitHub

GPU-optimiertes Framework für das Training von Diffusions-Sprachmodellen in beliebigem Maßstab. Das Backend von Quokka, Super Data Learners und OpenMoE 2 Training.

Auf GitHub ansehen
⭐ Sterne
🍴 Forks
📜 Lizenz
Lizenz nicht angegeben
📅 Erstellt
🔄 Letzter Commit
🏷️ Kategorie
💻 Sprache
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 →
MegaDLMs — GitHub preview card
📈 Sternhistorie
344343
2026-07-202026-07-29
📈 MegaDLMs verfolgen

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

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

GPU-optimiertes Framework für das Training von Diffusions-Sprachmodellen in beliebigem Maßstab. Das Backend von Quokka, Super Data Learners und OpenMoE 2 Training.

MegaDLMs hat 343 Sterne auf GitHub. Es wurde 35-mal geforkt. MegaDLMs ist hauptsächlich in Python geschrieben. Es wird seit 2025 aktiv entwickelt. Die Hauptthemen sind: diffusion, large-language-models.

Frequently asked questions

Was ist MegaDLMs?

GPU-optimiertes Framework für das Training von Diffusions-Sprachmodellen in beliebigem Maßstab. Das Backend von Quokka, Super Data Learners und OpenMoE 2 Training.

Ist MegaDLMs Open Source?

MegaDLMs ist ein Open-Source-Projekt.

Ist MegaDLMs kostenlos?

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

In welcher Sprache ist MegaDLMs geschrieben?

MegaDLMs ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
OpenSourceAI badge — MegaDLMs

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

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=jinjieni-megadlms)](https://opensourceai.tech/project/jinjieni-megadlms.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

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