model-training

Ultralytics YOLOv5 en PyTorch pour la détection d'objets, la segmentation d'instances, la classification, l'entraînement et l'exportation.

Implémentation PyTorch de YOLOv3, YOLOv3-SPP et YOLOv3-tiny pour la détection d'objets en temps réel, incluant l'entraînement, la validation, l'inférence et l'exportation multi-format.

🚀 Système impressionnant pour le Machine Learning ⚡️ Articles sur les systèmes d'IA et pratiques industrielles. ⚡️ Système pour le Machine Learning, LLM (Large Language Model), GenAI (IA générative). 🍻 OSDI, NSDI, SIGCOMM, SoCC, MLSys, etc. 🗃️ Llama3, Mistral, etc. 🧑‍💻 Tutoriels vidéo.

Bibliothèque de reconnaissance faciale haute performance basée sur PaddlePaddle et PyTorch.

Implémentation de Dreambooth via Textual Inversion pour Stable Diffusion. Optimisations axées sur l'entraînement de visages, d'objets et de styles.

Planification des ressources et gestion de cluster pour l'IA.

Entraînement de LLM centré sur les données avec sélection dynamique d'échantillons, optimisation du mélange de domaines et repondération des exemples au sein de la boucle d'entraînement LLaMA-Factory.

Hub de ressources développeur pour NVIDIA Nemotron — Une ressource centralisée pour les recettes d'entraînement, les guides d'utilisation, les jeux de données et des exemples de référence complets pour construire avec les modèles Nemotron.

Système de fichiers AI-Native et Cloud-Native : une couche sémantique de fichiers haute performance pour le stockage objet cloud, intégrée avec un cache haute vitesse. Projet CNCF Sandbox.