Github 2024-04-23 Python开源项目日报 Top10

根据Github Trendings的统计，今日(2024-04-23统计)共有10个项目上榜。根据开发语言中项目的数量，汇总情况如下：

ComfyUI：强大而模块化的稳定扩散GUI

• 创建周期：399 天
• 开发语言：Python, JavaScript
• 协议类型：GNU General Public License v3.0
• Star数量：25663 个
• Fork数量：2741 次
• 关注人数：25663 人
• 贡献人数：90 人
• Open Issues数量：1263 个
• Github地址：https://github.com/comfyanonymous/ComfyUI.git

ComfyUI是一个开源项目，提供强大而模块化的稳定扩散图形用户界面（GUI）、API和后端，具有图/节点界面。它允许用户使用基于图/节点/流程图的界面设计和执行高级稳定扩散管道。

简化大型语言模型微调的项目

• 创建周期：331 天
• 开发语言：Python
• 协议类型：Apache License 2.0
• Star数量：17269 个
• Fork数量：2074 次
• 关注人数：17269 人
• 贡献人数：56 人
• Open Issues数量：60 个
• Github地址：https://github.com/hiyouga/LLaMA-Factory.git

该项目旨在简化大型语言模型的微调过程，使其更加高效。它为Colab和本地机器提供了资源。

Code Llama: 大型代码语言模型

• 创建周期：241 天
• 开发语言：Python
• 协议类型：Other
• Star数量：14497 个
• Fork数量：1545 次
• 关注人数：14497 人
• 贡献人数：11 人
• Open Issues数量：88 个
• Github地址：https://github.com/meta-llama/codellama.git

Code Llama是一系列用于代码的大型语言模型，提供了最先进的性能、填充能力、对大型输入上下文的支持，以及编程任务的零射击指令跟随能力。这些模型涵盖了多种应用程序，包括基础模型、Python专业化模型和具有不同参数的指令跟随模型。它们是在16k标记序列上进行训练的，并且在最多100k标记的输入上显示出改进。Code Llama是通过使用更高采样的代码对Llama 2进行微调而开发的，并且对模型的微调版本应用了相当多的安全缓解措施。Code Llama的最新版本现在可供各种规模的个人、创作者、研究人员和企业使用，包括预训练和微调的Llama语言模型的模型权重和起始代码。

Meta Llama 3 模型权重和分词器下载

• 创建周期：37 天
• 开发语言：Python
• 协议类型：Other
• Star数量：7323 个
• Fork数量：506 次
• 关注人数：7323 人
• 贡献人数：19 人
• Open Issues数量：40 个
• Github地址：https://github.com/meta-llama/llama3.git

Meta Llama 3 GitHub 网站提供模型权重和分词器的下载。用户需要访问 Meta Llama 网站，接受许可协议，然后通过电子邮件收到一个签名的 URL，使用提供的脚本开始下载。先决条件包括安装 wget 和 md5sum。链接在 24 小时后过期，并且有下载限制，但如果用户遇到 ‘403: Forbidden’ 等错误，可以重新请求链接。

CrewAI：先进的自主AI代理编排框架

• 创建周期：73 天
• 开发语言：Python
• 协议类型：MIT License
• Star数量：2488 个
• Fork数量：265 次
• 关注人数：2488 人
• 贡献人数：12 人
• Open Issues数量：35 个
• Github地址：https://github.com/joaomdmoura/crewAI.git
• 项目首页: https://crewai.io

CrewAI是一个先进的框架，用于编排角色扮演的自主AI代理，促进协作智能，使代理能够在复杂任务上无缝合作。

快速调优Mistral、Gemma和Llama

• 创建周期：110 天
• 开发语言：Python
• 协议类型：Apache License 2.0
• Star数量：4492 个
• Fork数量：206 次
• 关注人数：4492 人
• 贡献人数：5 人
• Open Issues数量：89 个
• Github地址：https://github.com/unslothai/unsloth.git
• 项目首页: https://unsloth.ai

这个开源项目旨在以70%更少的内存使用量，将Mistral、Gemma和Llama的微调速度提高2-5倍。

使用函数调用构建AI助手的工具包

• 创建周期：650 天
• 开发语言：Python
• 协议类型：Mozilla Public License 2.0
• Star数量：1796 个
• Fork数量：195 次
• 关注人数：1796 人
• 贡献人数：12 人
• Open Issues数量：14 个
• Github地址：https://github.com/phidatahq/phidata.git
• 项目首页: https://docs.phidata.com

Phidata是一个使用函数调用构建AI助手的工具包。函数调用使LLMs能够通过调用函数并根据响应智能地选择下一步，就像人类解决问题一样。

紫队评估工具 - Purple Llama

• 创建周期：136 天
• 开发语言：Python, C++
• 协议类型：Other
• Star数量：815 个
• Fork数量：157 次
• 关注人数：815 人
• 贡献人数：15 人
• Open Issues数量：6 个
• Github地址：https://github.com/meta-llama/PurpleLlama.git

Purple Llama是一套旨在评估和增强LLM安全性的工具。该项目借鉴了来自网络安全领域的“紫队”概念，强调了需要同时采取进攻性（红队）和防御性（蓝队）策略来解决生成式人工智能带来的挑战。这种协作方法旨在全面评估和减轻潜在风险。

VLM工具包：大型语言模型微调的高效、灵活和功能齐全的工具包

• 创建周期：287 天
• 开发语言：Python
• 协议类型：Apache License 2.0
• Star数量：1733 个
• Fork数量：142 次
• 关注人数：1733 人
• 贡献人数：23 人
• Open Issues数量：62 个
• Github地址：https://github.com/InternLM/xtuner.git

VLM工具包是一个开源项目，为InternLM、Llama、Baichuan、Qwen和ChatGLM等大型语言模型提供了高效、灵活和功能齐全的微调工具包。它支持各种模型和功能，包括用于高效可扩展训练的序列并行支持、多模态预训练和微调，以及针对系统上下文的优化数据处理。

考试中心随机分配脚本

• 创建周期：17 天
• 开发语言：Python
• 协议类型：MIT License
• Star数量：272 个
• Fork数量：85 次
• 关注人数：272 人
• 贡献人数：8 人
• Open Issues数量：17 个
• Github地址：https://github.com/moest-np/center-randomize.git

考试中心随机分配脚本旨在为学生分配考试中心。