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.
ดาวน์โหลดและรันแอปชื่อ LLMs-from-scratch ออนไลน์ด้วย OnWorks ได้ฟรี
ทำตามคำแนะนำเหล่านี้เพื่อเรียกใช้แอปนี้:
- 1. ดาวน์โหลดแอปพลิเคชั่นนี้ในพีซีของคุณ
- 2. เข้าไปที่ file manager https://www.onworks.net/myfiles.php?username=XXXXX ด้วยชื่อผู้ใช้ที่คุณต้องการ
- 3. อัปโหลดแอปพลิเคชันนี้ในตัวจัดการไฟล์ดังกล่าว
- 4. เริ่มโปรแกรมจำลองออนไลน์ของ OnWorks Linux หรือ Windows ออนไลน์ หรือโปรแกรมจำลองออนไลน์ MACOS จากเว็บไซต์นี้
- 5. จาก OnWorks Linux OS คุณเพิ่งเริ่มต้น ไปที่ตัวจัดการไฟล์ของเรา https://www.onworks.net/myfiles.php?username=XXXXX พร้อมชื่อผู้ใช้ที่คุณต้องการ
- 6. ดาวน์โหลดแอปพลิเคชั่น ติดตั้ง และเรียกใช้
ภาพหน้าจอ
Ad
LL.M. จากศูนย์
DESCRIPTION
LLMs-from-scratch คือฐานโค้ดเพื่อการศึกษาที่อธิบายการใช้งานส่วนประกอบของโมเดลภาษาขนาดใหญ่สมัยใหม่ทีละขั้นตอน เน้นที่องค์ประกอบพื้นฐาน ได้แก่ โทเค็นไนเซชัน การฝังโค้ด ความสนใจ เลเยอร์ฟีดฟอร์เวิร์ด นอร์มัลไลเซชัน และลูปการฝึก เพื่อให้ผู้เรียนเข้าใจไม่เพียงแต่วิธีการใช้โมเดลเท่านั้น แต่ยังรวมถึงวิธีการทำงานภายในด้วย คลังข้อมูลนี้สนับสนุนการใช้งาน Python และ NumPy หรือ PyTorch ที่ชัดเจน ซึ่งสามารถรันและแก้ไขได้โดยไม่ต้องใช้เฟรมเวิร์กขนาดใหญ่มาบดบังตรรกะ บทต่างๆ และสมุดบันทึกจะพัฒนาจากโมเดลของเล่นขนาดเล็กไปจนถึงทรานส์ฟอร์เมอร์สสแต็กที่มีประสิทธิภาพมากขึ้น ซึ่งรวมถึงกลยุทธ์การสุ่มตัวอย่างและฮุกสำหรับการประเมิน เน้นที่ความสามารถในการอ่าน ความถูกต้อง และการทดลอง จึงเหมาะอย่างยิ่งสำหรับนักศึกษาและผู้ปฏิบัติงานที่กำลังเปลี่ยนผ่านจากทฤษฎีไปสู่ระบบที่ใช้งานได้จริง เมื่อจบหลักสูตร คุณจะมีความเข้าใจพื้นฐานเกี่ยวกับปฏิสัมพันธ์ระหว่าง data pipeline, optimization และการอนุมาน เพื่อสร้างข้อความที่ลื่นไหล
คุณสมบัติ
- การใช้งานแบบทีละขั้นตอนของโทเคไนเซอร์ ความสนใจ และบล็อกหม้อแปลง
- สมุดบันทึกและสคริปต์ Python ที่ชัดเจนซึ่งออกแบบมาเพื่อการเรียนรู้และการปรับแต่ง
- วงจรการฝึกอบรมและการสุ่มตัวอย่างที่เปิดเผยข้อมูลเต็มรูปแบบและการไหลของการคำนวณ
- การสำรวจตัวเลือกการปรับขนาด การปรับมาตรฐาน และเมตริกการประเมิน
- การอ้างอิงขั้นต่ำเพื่อให้การคำนวณและโค้ดมีความโปร่งใส
- ทำหน้าที่เป็นรากฐานสำหรับการขยายไปยังโมเดลขนาดใหญ่และชุดข้อมูลที่กำหนดเอง
ภาษาโปรแกรม
หลาม
หมวดหมู่
นี่คือแอปพลิเคชันที่สามารถดึงข้อมูลจาก https://sourceforge.net/projects/llms-from-scratch.mirror/ ได้ แอปพลิเคชันนี้โฮสต์อยู่ใน OnWorks เพื่อให้ใช้งานออนไลน์ได้ง่ายที่สุดจากระบบปฏิบัติการฟรีของเรา
