Awesome GitHub RepositoriesWeight Extraction

LLaMA-Adapter هو إطار عمل للضبط الدقيق بكفاءة المعلمات، مصمم لتكييف النماذج اللغوية الكبيرة باستخدام مجموعة صغيرة من المعلمات القابلة للتدريب. يعمل كأداة لضبط التعليمات ومحول متعدد الوسائط، مما يسمح للنماذج المدربة مسبقاً باتباع تعليمات البشر ومعالجة البيانات غير النصية. يتخصص المشروع في دمج بيانات الصور والفيديو والصوت والمستشعرات في النماذج اللغوية للفهم عبر الوسائط. يتيح تخصيص نماذج LLaMA من خلال استخدام محولات خفيفة الوزن، مما يسمح باستخراج وتخزين الأوزان المتعلمة بشكل مستقل عن نقطة فحص النموذج الكاملة. يغطي إطار العمل دورة حياة التدريب والتقييم الكاملة، بما في ذلك التدريب المسبق للمحول والتحسين. يوفر قدرات لدمج البيانات متعددة الوسائط وتقييم أداء النموذج مقابل مجموعات بيانات القياس لقياس دقة الاستجابة.

AnimeGANv2 is a generative adversarial network training framework and image stylization tool designed to convert real-world photographs and videos into anime-style imagery. It functions as an anime style generator that transforms real-world scenes into animation through supervised style transfer. The project provides a system for training style models and extracting specific generator weight parameters from deep learning checkpoints to create lightweight models for inference. It focuses on landscape image stylization and the ability to mimic specific artistic styles from provided datasets. T

AnimeGAN is a generative adversarial network and image translator developed with TensorFlow. It is designed for photo-to-anime style transfer, utilizing a deep learning system to transform real-world photographs and video frames into anime-style imagery. The system includes a video-to-anime converter that applies consistent visual transformations across sequential frames. It supports both the training of generative networks on artistic datasets to replicate specific styles and the extraction of generator weights from checkpoints for efficient inference. The project provides utilities for ima

MedSAM هو إطار عمل للتعلم العميق مصمم لأتمتة تقسيم الهياكل التشريحية في الصور الطبية ثنائية وثلاثية الأبعاد. يوفر أدوات متخصصة لضبط أوزان التقسيم المدربة مسبقاً على مجموعات بيانات طبية مخصصة وتقييم دقة تلك التوقعات مقابل تسميات الحقيقة الأرضية (ground truth). يركز المشروع على تكييف بنية Segment Anything Model للاستخدام الطبي، مما يتيح عزل هياكل تشريحية محددة من خلال طرق موجهة بالمطالبات مثل مربعات التحديد ومطالبات النقاط. يغطي النظام سير عمل كامل للذكاء الاصطناعي الطبي، بما في ذلك هندسة البيانات لتطبيع الكثافة وإعادة أخذ العينات المكانية، بالإضافة إلى إدارة النماذج لتحويل نقاط التحقق واستخراج الأوزان. يدعم التدريب عبر خطوط أنابيب GPU مفردة أو موزعة لمعالجة مجموعات بيانات التصوير واسعة النطاق.

Stable-audio-tools is a toolkit for training and deploying latent diffusion models for high-fidelity audio synthesis. It provides a framework for generating audio by iteratively refining noise within a compressed latent space, using specialized encoders to preserve temporal and spectral features of the audio signal. The project features a system for adapting pre-trained audio checkpoints to new datasets through modular initialization and configuration files. It includes utilities for weight extraction and inference model export, which remove training metadata and optimizer states to create li

TransformerLens is a library for mechanistic interpretability research designed to reverse engineer the learned algorithms within large language models. It provides a standardized framework for wrapping diverse transformer architectures, allowing researchers to extract, manipulate, and analyze internal activations and weights through a consistent interface. The project distinguishes itself through a comprehensive system of activation hooks that can capture, patch, and ablate internal tensors during the forward pass. It includes specialized utilities for decomposing fused projections, material