Awesome GitHub RepositoriesRegression Models

Ce projet est un entraîneur de modèle multimodal et un outil de fine-tuning d'apprentissage automatique qui fournit un flux de travail conteneurisé pour adapter des modèles pré-entraînés à des tâches spécifiques. Il dispose d'une interface web no-code et d'un tableau de bord pour entraîner des modèles de langage (LLM) et d'autres jeux de données d'apprentissage automatique sans écrire de code. Le système se distingue en intégrant une interface no-code avec une orchestration GPU distante, permettant aux utilisateurs de déployer des environnements d'entraînement conteneurisés sur une infrastructure cloud ou du matériel local. Il inclut un intégrateur dédié pour télécharger les poids et configurations des modèles entraînés directement vers le Hugging Face Hub. Les capacités couvrent un large éventail de modalités, incluant la vision par ordinateur pour la classification d'images et la détection d'objets, le traitement du langage naturel pour la classification de texte et les tâches de séquence-à-séquence, et l'apprentissage supervisé pour les données tabulaires. La boîte à outils prend également en charge l'optimisation spécialisée des modèles de langage via le fine-tuning efficace en paramètres et la quantification. Les flux de travail d'entraînement sont gérés via des fichiers de configuration ou une interface basée sur navigateur, avec une prise en charge intégrée du mapping des colonnes de jeux de données et de la surveillance de la progression de l'entraînement.