diy-llm
Cubre datos de preentrenamiento, Tokenizer, Transformer, MoE, entrenamiento distribuido, leyes de escalado, inferencia y alineación. 6 asignaciones de código progresivas para el aprendizaje full-stack de LLM | Cubre datos de preentrenamiento, tokenizador, Transformer, MoE, entrenamiento distribuido, leyes de escalado, inferencia y alineación, 6 asignaciones de código progresivas para dominar el conocimiento full-stack de LLM
Learn to build and understand large language models through hands-on coding assignments.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quierasCubre datos de preentrenamiento, Tokenizer, Transformer, MoE, entrenamiento distribuido, leyes de escalado, inferencia y alineación. 6 asignaciones de código progresivas para el aprendizaje full-stack de LLM | Cubre datos de preentrenamiento, tokenizador, Transformer, MoE, entrenamiento distribuido, leyes de escalado, inferencia y alineación, 6 asignaciones de código progresivas para dominar el conocimiento full-stack de LLM
diy-llm tiene 2.9k estrellas en GitHub. Se ha bifurcado 276 veces. diy-llm está escrito principalmente en Jupyter Notebook. Se desarrolla activamente desde 2025. Sus temas principales son: cs336, datawhale, gpu-programming, grpo.
¿Qué es diy-llm?
Cubre datos de preentrenamiento, Tokenizer, Transformer, MoE, entrenamiento distribuido, leyes de escalado, inferencia y alineación. 6 asignaciones de código progresivas para el aprendizaje full-stack de LLM | Cubre datos de preentrenamiento, tokenizador, Transformer, MoE, entrenamiento distribuido, leyes de escalado, inferencia y alineación, 6 asignaciones de código progresivas para dominar el conocimiento full-stack de LLM
¿diy-llm es de código abierto?
diy-llm es un proyecto de código abierto.
¿diy-llm es gratis?
Sí. diy-llm es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
¿En qué lenguaje está escrito diy-llm?
diy-llm está escrito principalmente en Jupyter Notebook.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://olud.ai/project/datawhalechina-diy-llm.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.