awesome-repositories.com
Blog
MCP
awesome-repositories.com

Découvrez les meilleurs dépôts open-source grâce à notre recherche par IA.

ExplorerRecherches sélectionnéesAlternatives open sourceLogiciels auto-hébergésBlogPlan du site
ProjetServeur MCPÀ proposNotre méthodologiePresse
Mentions légalesConfidentialitéConditions d'utilisation
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

1 dépôt

Awesome GitHub RepositoriesInterface State Mappers

Maps graphical user interface inputs to command-line arguments for external training engines.

Distinct from Training Engine State Persistence: Distinct from Training Engine State Persistence: focuses on the mapping of UI inputs to CLI arguments rather than the internal state of the training engine itself.

Explore 1 awesome GitHub repository matching development tools & productivity · Interface State Mappers. Refine with filters or upvote what's useful.

Awesome Interface State Mappers GitHub Repositories

Trouvez les meilleurs dépôts grâce à l'IA.Nous recherchons les dépôts les plus pertinents grâce à l'IA.
  • derrian-distro/lora_easy_training_scriptsAvatar de derrian-distro

    derrian-distro/LoRA_Easy_Training_Scripts

    1,306Voir sur GitHub↗

    LoRA Easy Training Scripts est une interface graphique de bureau conçue pour gérer le flux de travail de bout en bout de l'entraînement de modèles de machine learning personnalisés. L'application sert de tableau de bord centralisé pour préparer les jeux de données, configurer les paramètres du réseau de neurones et orchestrer l'exécution de tâches d'entraînement complexes. L'outil se distingue en fournissant un environnement visuel qui abstrait les exigences de ligne de commande du fine-tuning de modèles. Il permet aux utilisateurs de gérer des files d'attente d'entraînement, permettant le séquençage automatisé de multiples tâches pour maximiser l'utilisation du matériel. En maintenant un état interne persistant, le logiciel mappe les entrées d'interface définies par l'utilisateur directement aux arguments nécessaires pour les scripts d'entraînement externes, garantissant que les configurations complexes restent reproductibles via des fichiers texte sérialisés. La plateforme couvre un large éventail d'exigences opérationnelles, incluant la gestion des actifs, la planification personnalisée du taux d'apprentissage et l'ajustement des poids de blocs de modèles spécifiques. Elle fournit une approche structurée pour organiser les données d'entraînement et gérer le cycle de vie de la génération de poids de modèles, spécifiquement adaptée au fine-tuning des modèles Stable Diffusion.

    Maintains persistent internal state to map user-defined interface inputs directly to training engine arguments.

    Python
    Voir sur GitHub↗1,306
  1. Home
  2. Development Tools & Productivity
  3. Database Session Management
  4. Session State Persistence
  5. Execution State Persistence
  6. Training Engine State Persistence
  7. Interface State Mappers