This is the Linux app named LLMs-from-scratch whose latest release can be downloaded as LLMs-from-scratchsourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
LLMs-from-scratch नामक इस ऐप को OnWorks के साथ निःशुल्क डाउनलोड करें और ऑनलाइन चलाएँ।
इस ऐप को चलाने के लिए इन निर्देशों का पालन करें:
- 1. इस एप्लिकेशन को अपने पीसी में डाउनलोड करें।
- 2. हमारे फ़ाइल प्रबंधक में https://www.onworks.net/myfiles.php?username=XXXXX उस उपयोगकर्ता नाम के साथ दर्ज करें जो आप चाहते हैं।
- 3. इस एप्लिकेशन को ऐसे फाइल मैनेजर में अपलोड करें।
- 4. इस वेबसाइट से ऑनवर्क्स लिनक्स ऑनलाइन या विंडोज ऑनलाइन एमुलेटर या मैकोज़ ऑनलाइन एमुलेटर शुरू करें।
- 5. ऑनवर्क्स लिनक्स ओएस से आपने अभी शुरुआत की है, हमारे फाइल मैनेजर को https://www.onworks.net/myfiles.php?username=XXXXX उस यूजरनेम के साथ जाएं जो आप चाहते हैं।
- 6. एप्लिकेशन डाउनलोड करें, इसे इंस्टॉल करें और इसे चलाएं।
स्क्रीनशॉट
Ad
एलएलएम-शुरुआत से
वर्णन
एलएलएम-फ्रॉम-स्क्रैच एक शैक्षिक कोडबेस है जो आधुनिक वृहद-भाषा-मॉडल घटकों को चरणबद्ध तरीके से लागू करने की प्रक्रिया को दर्शाता है। यह निर्माण खंडों—टोकनीकरण, एम्बेडिंग, ध्यान, फीड-फ़ॉरवर्ड परतें, सामान्यीकरण और प्रशिक्षण लूप—पर ज़ोर देता है ताकि शिक्षार्थी न केवल मॉडल का उपयोग करना सीखें, बल्कि यह भी समझें कि यह आंतरिक रूप से कैसे काम करता है। यह रिपॉजिटरी स्पष्ट पायथन और न्यूमपी या पायटॉर्च कार्यान्वयनों का पक्षधर है जिन्हें तर्क को अस्पष्ट करने वाले भारी-भरकम फ्रेमवर्क के बिना चलाया और संशोधित किया जा सकता है। अध्याय और नोटबुक छोटे खिलौना मॉडल से लेकर अधिक सक्षम ट्रांसफ़ॉर्मर स्टैक तक, नमूनाकरण रणनीतियों और मूल्यांकन हुक सहित, आगे बढ़ते हैं। पठनीयता, शुद्धता और प्रयोग पर ध्यान केंद्रित किया गया है, जो इसे सिद्धांत से कार्यशील प्रणालियों में संक्रमण करने वाले छात्रों और अभ्यासकर्ताओं के लिए आदर्श बनाता है। अंत तक, आपको इस बात की ठोस समझ हो जाती है कि डेटा पाइपलाइन, अनुकूलन और अनुमान कैसे परस्पर क्रिया करके धाराप्रवाह पाठ तैयार करते हैं।
विशेषताएं
- टोकनाइज़र, अटेंशन और ट्रांसफ़ॉर्मर ब्लॉकों का चरणबद्ध कार्यान्वयन
- सीखने और सुधार के लिए डिज़ाइन की गई स्पष्ट पायथन नोटबुक और स्क्रिप्ट
- प्रशिक्षण और नमूनाकरण लूप जो संपूर्ण डेटा और गणना प्रवाह को उजागर करते हैं
- स्केलिंग विकल्पों, नियमितीकरण और मूल्यांकन मेट्रिक्स की खोज
- गणित और कोड को पारदर्शी रखने के लिए न्यूनतम निर्भरताएँ
- बड़े मॉडल और कस्टम डेटासेट तक विस्तार के लिए आधार के रूप में कार्य करता है
प्रोग्रामिंग भाषा
अजगर
श्रेणियाँ
यह एक ऐसा एप्लिकेशन है जिसे https://sourceforge.net/projects/llms-from-scratch.mirror/ से भी प्राप्त किया जा सकता है। इसे हमारे किसी भी निःशुल्क ऑपरेटिव सिस्टम से सबसे आसान तरीके से ऑनलाइन चलाने के लिए OnWorks में होस्ट किया गया है।
