训练与微调
共 447 个仓库 · 一年内有推送
用 Meta 的 Segment-Anything 模型对 LiDAR 点云做分割的 Python 包，省去自己搭建分割流程的麻烦。
基于 DuckDB 的 TypeScript 数据分析库，能快速处理表格、地理空间、图网络和向量相似度检索，还支持 AI 与 Google Sheets 集成。
首个开源的 JSON 原生文生图模型，用结构化 JSON 输入实现可控、可预测且版权合规的图像生成。
用 Python 实现的多摄像头实时多人跌倒检测，结合人体姿态估计和 LSTM 识别视频中的跌倒事件，适合看护场景。
把 Mac 上运行的 Apple Foundation Models、MLX 模型等本地 AI 能力聚合成一个兼容 OpenAI 的 API 端点，支持服务模式和单次命令推理，还能通过管道调用。
为 X-AnyLabeling 标注工具提供轻量可扩展的模型推理服务，把检测、分割、分类、姿态等视觉模型接成后端，方便标注时自动预标注。
本地优先的 AI 图像整理与生成媒体库管理工具，支持 ComfyUI、A1111、InvokeAI 等，可按提示词、模型、LoRA、元数据或视觉相似度检索海量输出目录。
面向 Apple Silicon 的本地大模型推理与微调框架，用 Rust 实现，支持 LoRA/QLoRA 微调、量化、模型服务和 MLX/Metal 加速。
面向 STM32 的 Ra-02/SX1278 LoRa 模块驱动库，基于 HAL 库封装，帮嵌入式开发者快速在 ARM 单片机上实现 LoRa 无线通信。
基于树莓派和 SX1302/SX1303 集中器的开源 LoRa 基站，为 Meshtastic/MeshCore 提供多信道被动抓包、本地仪表盘和原生发射能力。
U-Time 是一个用全卷积网络做时间序列分割的模型，最初用于睡眠分期分析，也可迁移到其他时序分割任务。
把通过 MQTT 收到的 Meshtastic LoRa 网状网络节点实时画在地图上，方便查看节点分布和覆盖范围。
为 LoRa 节点实现距离向量路由协议的 C++ 库，让 ESP32、Arduino 设备组成自组网，在无蜂窝网络环境下多跳转发消息。
在单张消费级显卡上跑 PPO、GRPO 和同策略蒸馏的轻量 RL 训练框架，让普通玩家也能做 LLM 对齐后训练。
Rust 写的超快日文分词器，用逐点预测模型做形态素分割，适合需要低延迟、高吞吐的 NLP 流水线。
面向强化学习实验的 GPU 调度与训练编排系统，让多个 RL 实验共享 GPU 资源、减少排队等待，支持 LoRA 微调与 LLM 训练。
轻量级结构感知视觉 Mamba 模型，专门做建筑结构裂缝分割，在保持低计算量的同时提升裂缝边缘和细长结构的识别精度。
实现带高效注意力的 U-Net，并融合最新研究改进，适合图像生成和分割任务的训练与微调。
十秒内为 PyTorch 医学影像模型搭好完整实验流水线，覆盖分类、检测、分割等任务，省去重复搭建训练流程的麻烦。
面向 NVIDIA GPU 的深度学习推理调优工具包，帮助把训练好的模型调优并部署到 TensorRT、ONNX Runtime 等推理后端上跑得更快。
自动化调整大模型对齐行为的工具，支持直接干预、LoRA 和 MoE 专家级消融，并用 Optuna 多目标搜索调参。
在 Apple Silicon Mac 上本地运行 Phi-3、Phi-3.5 和 Phi-4 视觉与语言模型，基于 MLX 和 Metal 加速，支持微调、LoRA 与多智能体编排。
用 PyTorch 从零手写现代 LLM 架构、训练与推理的实战课程，配套可直接运行的 notebook，适合边跑边学大模型原理。
把家里已有的多台电脑组网成 AI 内网，统一跑大模型推理和微调训练，兼容 OpenAI 接口，适合本地部署和 homelab 场景。