stanford_alpaca
Code et documentation pour entraîner les modèles Alpaca de Stanford et générer les données.
Entraînez et ajustez des modèles IA pour suivre des instructions en utilisant les données et le code fournis.
Depuis le 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.
Extraits du README du projet sur GitHub. Le droit d'auteur et les licences restent la propriété des auteurs respectifs.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentCode et documentation pour entraîner les modèles Alpaca de Stanford et générer les données.
stanford_alpaca compte 30.3k étoiles sur GitHub. Il a été forké 4k fois. stanford_alpaca est écrit principalement en Python. Il est développé activement depuis 2023. stanford_alpaca est disponible sous licence Apache-2.0. Ses principaux thèmes sont : deep-learning, instruction-following, language-model.
Qu'est-ce que stanford_alpaca ?
Code et documentation pour entraîner les modèles Alpaca de Stanford et générer les données.
stanford_alpaca est-il open source ?
stanford_alpaca est un projet open source. Il est distribué sous licence Apache-2.0.
stanford_alpaca est-il gratuit ?
Oui. stanford_alpaca est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est stanford_alpaca ?
stanford_alpaca est disponible sous licence Apache-2.0.
Dans quel langage stanford_alpaca est-il écrit ?
stanford_alpaca est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/tatsu-lab-stanford-alpaca.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.