Ito ang Linux app na pinangalanang LLMs-from-scratch na ang pinakabagong release ay maaaring ma-download bilang LLMs-from-scratchsourcecode.tar.gz. Maaari itong patakbuhin online sa libreng hosting provider na OnWorks para sa mga workstation.
I-download at patakbuhin online ang app na ito na pinangalanang LLMs-from-scratch sa OnWorks nang libre.
Sundin ang mga tagubiling ito upang patakbuhin ang app na ito:
- 1. Na-download ang application na ito sa iyong PC.
- 2. Ipasok sa aming file manager https://www.onworks.net/myfiles.php?username=XXXXX kasama ang username na gusto mo.
- 3. I-upload ang application na ito sa naturang filemanager.
- 4. Simulan ang OnWorks Linux online o Windows online emulator o MACOS online emulator mula sa website na ito.
- 5. Mula sa OnWorks Linux OS na kasisimula mo pa lang, pumunta sa aming file manager https://www.onworks.net/myfiles.php?username=XXXX gamit ang username na gusto mo.
- 6. I-download ang application, i-install ito at patakbuhin ito.
MGA SCREENSHOT:
LLMs-mula sa simula
DESCRIPTION:
Ang LLMs-from-scratch ay isang pang-edukasyon na codebase na dumadaan sa pagpapatupad ng mga modernong bahagi ng modelo ng malalaking wika nang sunud-sunod. Binibigyang-diin nito ang mga building blocks—tokenization, embeddings, attention, feed-forward layers, normalization, at training loops—para maunawaan ng mga mag-aaral hindi lang kung paano gumamit ng modelo kundi kung paano ito gumagana sa loob. Pinapaboran ng repositoryo ang malinaw na mga pagpapatupad ng Python at NumPy o PyTorch na maaaring patakbuhin at baguhin nang walang mabibigat na balangkas na nakakubli sa lohika. Ang mga kabanata at notebook ay umuusad mula sa maliliit na modelo ng laruan patungo sa mas mahusay na mga stack ng transformer, kabilang ang mga diskarte sa pag-sample at mga kawit sa pagsusuri. Ang focus ay sa pagiging madaling mabasa, kawastuhan, at eksperimento, na ginagawa itong perpekto para sa mga mag-aaral at practitioner na lumilipat mula sa teorya patungo sa mga gumaganang sistema. Sa pagtatapos, mayroon kang grounded sense kung paano nakikipag-ugnayan ang mga pipeline ng data, optimization, at inference para makagawa ng matatas na text.
Mga tampok
- Sunud-sunod na pagpapatupad ng tokenizer, atensyon, at mga bloke ng transformer
- I-clear ang mga notebook at script ng Python na idinisenyo para sa pag-aaral at pag-iisip
- Pagsasanay at pag-sample ng mga loop na naglalantad sa buong data at nagko-compute ng daloy
- Mga pag-explore ng mga pagpipilian sa pag-scale, regularisasyon, at mga sukatan ng pagsusuri
- Minimal na mga dependency upang panatilihing transparent ang matematika at code
- Nagsisilbing pundasyon para sa pagpapalawak sa mas malalaking modelo at custom na dataset
Wika ng Programming
Sawa
Kategorya
Ito ay isang application na maaari ding makuha mula sa https://sourceforge.net/projects/llms-from-scratch.mirror/. Na-host ito sa OnWorks upang mapatakbo online sa pinakamadaling paraan mula sa isa sa aming mga libreng Operative System.