lora

IoT プラットフォームフレームワーク

自由にコミュニケーションを取る

安価な ESP32 ボードを使用した、Wi-Fi および BLE による乗客流動計測

OneDiff: diffusion models 向けのすぐに使える高速化ライブラリ。

大規模LLM推論エンジン

Meshtastic用のAndroidアプリケーション

LoRa、パケット無線、WiFi、I2P、その他 Reticulum がサポートする通信手段を使用して、Reticulum ネットワーク上で人や LXMF 互換システムと通信できる Android、Linux、macOS 向けの LXMF クライアント

chatglm 6b と alpaca のファインチューニング

Apple Silicon 搭載 Mac で LLM をファインチューニング。MLX 上でネイティブ動作する SFT、DPO、GRPO、Vision、TTS、STT、Embedding、OCR のファインチューニング対応。Unsloth 互換 API。

オープンソースの知識豊富な大規模言語モデルフレームワーク。

Qwen-3およびStable Diffusionシリーズに基づくDeepSeek Engramアーキテクチャの研究

ESP32用 Lua RTOS

テキストによるタスク説明のみを入力として使用し、特定のベンチマークタスクに適応させる LLM 向けハイパーネットワーク

Reticulum Network Stack を利用したシンプルなメッシュネットワーク通信アプリ。

Whisper音声認識モデルをファインチューニングし、タイムスタンプなし、タイムスタンプあり、音声なしデータのトレーニングをサポート。推論の高速化、およびWeb、Windowsデスクトップ、Androidへのデプロイをサポート

このシリーズでは、NLPとComputer Visionの基礎から最先端のVision-Language Modelsまでを詳しく解説します。

オープンソースの LoRaWAN ネットワークサーバー「The Things Stack」

LXMFとReticulumを介してBluetooth LE、TCP、またはRNode（LoRa）を使用するネイティブAndroidメッセージングアプリ

MOVA: スケーラブルで同期されたビデオ・オーディオ生成に向けて

ChirpStack オープンソース LoRaWAN Network Server

「AI 開発効率化：LoRA の自作トレーニング」は、Llama（Alpaca LoRA）モデルや ChatGLM（ChatGLM Tuning）に関連する LoRA のトレーニングを含みます。ユーザーストーリー生成、テストコード生成、コード補助生成、テキストから SQL への変換、テキストからのコード生成などのトレーニング内容が含まれます。

NLPからLLMまでのアルゴリズムフルスタックチュートリアル。オンライン閲覧: https://datawhalechina.github.io/base-llm/

多機能で互換性のあるDIY汎用航空接近認識システム

非常に低いSNRでも正常に動作するために必要な受信機コンポーネントを備えた、LoRaトランシーバーの完全機能版GNU Radioソフトウェア無線（SDR）実装。本研究はEPFLの電気通信回路研究所で実施されました。

AIを活用したマルチボイスオーディオブックジェネレーター — LLMスクリプトアノテーション、音声クローン、音声デザイン、LoRAトレーニング、行ごとのスタイル制御、MP3・章付きM4B・Audacityマルチトラックへのエクスポート。Qwen3-TTSをベースに構築。

[ICML2024 (Oral)] DoRA: Weight-Decomposed Low-Rank Adaptation の公式 PyTorch 実装

CatSniffer は、最新の無線 IoT プロトコルを使用して IoT デバイスのスニフィング、通信、攻撃を行うための、オリジナルのマルチプロトコル・マルチバンドボードです。TI CC1352、Semtech SX1262、および V3 用の RP2040 または V2 用の Microchip SAMD21E17 を統合した、非常にポータブルな USB スティックです。

オープンソースLLMのファインチューニング、アブレーション、単体テストを行うためのツールキット。

拙著『A Hands-On Guide to Fine-Tuning LLMs with PyTorch and Hugging Face』の公式リポジトリ

AI生成研究者向けdiffusersフレームワーク内でのLoRA（Low-Rank Adaptation）利用に関する最も分かりやすいチュートリアル🔥