LoRA
Codice per loralib, un'implementazione di "LoRA: Low-Rank Adaptation of Large Language Models"
Integra una libreria che ti aiuta a ottimizzare modelli di linguaggio di grandi dimensioni utilizzando meno risorse nei tuoi progetti.
Dal README
pip install loralib # Alternatively # pip install git+https://github.com/microsoft/LoRA
- loralib/ contains the source code for the package loralib, which needs to be installed to run the examples we provide;
- examples/NLG/ contains an example implementation of LoRA in GPT-2 using our package, which can be used to reproduce the result in our paper;
- examples/NLU/ contains an example implementation of LoRA in RoBERTa and DeBERTa using our package, which produces competitive results on the GLUE benchmark;
Estratti dal README del progetto su GitHub. I diritti d'autore e le licenze rimangono con i rispettivi autori.
Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.
Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.
Gratis · senza carta · disdici quando vuoiCodice per loralib, un'implementazione di "LoRA: Low-Rank Adaptation of Large Language Models"
LoRA ha 13.8k stelle su GitHub. È stato forkato 925 volte. LoRA è scritto principalmente in Python. È in sviluppo attivo dal 2021. LoRA è disponibile con licenza MIT. I suoi temi principali sono: adaptation, deberta, deep-learning, gpt-2.
Che cos'è LoRA?
Codice per loralib, un'implementazione di "LoRA: Low-Rank Adaptation of Large Language Models"
LoRA è open source?
LoRA è un progetto open source. È rilasciato con licenza MIT.
LoRA è gratuito?
Sì. LoRA è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
Con quale licenza è LoRA?
LoRA è disponibile con licenza MIT.
In quale linguaggio è scritto LoRA?
LoRA è scritto principalmente in Python.
Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.
[](https://olud.ai/project/microsoft-lora.html)
Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.