stanford_alpaca
Código y documentación para entrenar los modelos Alpaca de Stanford y generar los datos.
Entrena y ajusta modelos de IA para seguir instrucciones utilizando datos y código proporcionados.
Del README
pip install -r requirements.txt
- The 52K data used for fine-tuning the model.
- The code for generating the data.
- The code for fine-tuning the model.
- The code for recovering Alpaca-7B weights from our released weight diff.
Extractos del README del proyecto sobre GitHub. Los derechos de autor y las licencias permanecen con los respectivos autores.
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 quierasCódigo y documentación para entrenar los modelos Alpaca de Stanford y generar los datos.
stanford_alpaca tiene 30.3k estrellas en GitHub. Se ha bifurcado 4k veces. stanford_alpaca está escrito principalmente en Python. Se desarrolla activamente desde 2023. stanford_alpaca está disponible bajo la licencia Apache-2.0. Sus temas principales son: deep-learning, instruction-following, language-model.
¿Qué es stanford_alpaca?
Código y documentación para entrenar los modelos Alpaca de Stanford y generar los datos.
¿stanford_alpaca es de código abierto?
stanford_alpaca es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.
¿stanford_alpaca es gratis?
Sí. stanford_alpaca es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
¿Bajo qué licencia está stanford_alpaca?
stanford_alpaca está disponible bajo la licencia Apache-2.0.
¿En qué lenguaje está escrito stanford_alpaca?
stanford_alpaca está escrito principalmente en Python.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://olud.ai/project/tatsu-lab-stanford-alpaca.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.