This is the Windows 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.
Download en gebruik online gratis deze app met de naam LLMs-from-scratch met OnWorks.
Volg deze instructies om deze app uit te voeren:
- 1. Download deze applicatie op uw pc.
- 2. Voer in onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX in met de gebruikersnaam die u wilt.
- 3. Upload deze applicatie in zo'n bestandsbeheerder.
- 4. Start een OS OnWorks online emulator vanaf deze website, maar een betere Windows online emulator.
- 5. Ga vanuit het OnWorks Windows-besturingssysteem dat u zojuist hebt gestart naar onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX met de gewenste gebruikersnaam.
- 6. Download de applicatie en installeer deze.
- 7. Download Wine van de softwarebronnen voor Linux-distributies. Eenmaal geïnstalleerd, kunt u vervolgens dubbelklikken op de app om ze met Wine uit te voeren. Je kunt ook PlayOnLinux proberen, een mooie interface via Wine waarmee je populaire Windows-programma's en -games kunt installeren.
Wine is een manier om Windows-software op Linux uit te voeren, maar zonder dat Windows vereist is. Wine is een open-source Windows-compatibiliteitslaag die Windows-programma's rechtstreeks op elke Linux-desktop kan uitvoeren. In wezen probeert Wine genoeg van Windows opnieuw te implementeren, zodat het al die Windows-applicaties kan draaien zonder Windows echt nodig te hebben.
SCREENSHOTS
Ad
LLM's vanaf nul
PRODUCTBESCHRIJVING
LLMs-from-scratch is een educatieve codebase die stap voor stap de implementatie van moderne componenten voor grote taalmodellen begeleidt. De nadruk ligt op bouwstenen – tokenisatie, embeddings, aandacht, feed-forward-lagen, normalisatie en trainingslussen – zodat cursisten niet alleen begrijpen hoe ze een model moeten gebruiken, maar ook hoe het intern werkt. De repository biedt duidelijke Python- en NumPy- of PyTorch-implementaties die kunnen worden uitgevoerd en aangepast zonder dat zware frameworks de logica vertroebelen. Hoofdstukken en notitieboeken gaan van kleine speelgoedmodellen naar capabelere transformer stacks, inclusief bemonsteringsstrategieën en evaluatiehooks. De focus ligt op leesbaarheid, correctheid en experimenten, waardoor het ideaal is voor studenten en professionals die de overstap maken van theorie naar werkende systemen. Aan het einde heb je een gefundeerd begrip van hoe datapijplijnen, optimalisatie en inferentie samenwerken om vloeiende tekst te produceren.
Kenmerken
- Stapsgewijze implementaties van tokenizer-, aandacht- en transformatorblokken
- Duidelijke Python-notitieboeken en scripts ontworpen om te leren en te knutselen
- Trainings- en bemonsteringslussen die de volledige data- en rekenstroom blootleggen
- Onderzoek naar schaalkeuzes, regularisatie en evaluatiemetrieken
- Minimale afhankelijkheden om de wiskunde en code transparant te houden
- Dient als basis voor uitbreiding naar grotere modellen en aangepaste datasets
Programmeertaal
Python
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/llms-from-scratch.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.
