# Тест LLMs

## Запуск та навчання моделей локально

### [**Hugging Face Transformers**](https://github.com/huggingface/transformers)

Hugging Face Transformers є однією з найпопулярніших бібліотек з відкритим кодом для використання, навчання та розгортання LLM, таких як GPT, BERT та багатьох інших. Вона пропонує всебічну екосистему, яка включає попередньо навчені моделі, набори даних та безшовну інтеграцію з Hugging Face Hub для доопрацювання та розгортання.

### [**LangChain**](https://github.com/langchain-ai/langchain)

LangChain є фреймворком, розробленим для створення додатків з LLM. Він дозволяє розробникам підключати мовні моделі до зовнішніх джерел даних, API та баз даних. LangChain надає інструменти для розширеного проектування запитів, управління історією розмов та інтеграції LLM у складні робочі процеси.

### [**LitGPT**](https://github.com/Lightning-AI/litgpt)

LitGPT є проектом, розробленим Lightning AI, який використовує фреймворк Lightning для полегшення навчання, доопрацювання та розгортання моделей на основі GPT. Він безшовно інтегрується з іншими інструментами Lightning AI, надаючи оптимізовані робочі процеси для обробки великих мовних моделей з покращеною продуктивністю та масштабованістю.

### [**LitServe**](https://github.com/Lightning-AI/LitServe)

**Опис:**\
LitServe є інструментом розгортання від Lightning AI, призначеним для швидкого та ефективного розгортання AI моделей. Він спрощує інтеграцію LLM у реальні додатки, надаючи масштабовані та оптимізовані можливості обслуговування.

### [**Axolotl**](https://github.com/axolotl-ai-cloud/axolotl)

Axolotl є хмарною платформою, розробленою для спрощення розгортання, масштабування та управління AI моделями, включаючи LLM. Вона пропонує такі функції, як автоматичне масштабування, моніторинг та інтеграція з різними хмарними сервісами, що полегшує розгортання моделей у виробничих середовищах без значного управління інфраструктурою.

## Спробуйте моделі онлайн

### [**Hugging Face**](https://huggingface.co/)

**Hugging Face** є провідною платформою та спільнотою для машинного навчання, особливо відомою своєю роботою в обробці природної мови (NLP). Вона надає інструменти, бібліотеки та ресурси, які спрощують розробку, обмін та розгортання моделей машинного навчання.\
Вона пропонує кілька розділів, таких як:

* **Моделі**: Великий репозиторій **попередньо навчених моделей машинного навчання**, де користувачі можуть переглядати, завантажувати та інтегрувати моделі для різних завдань, таких як генерація тексту, переклад, розпізнавання зображень тощо.
* **Набори даних:** Всебічна **колекція наборів даних**, що використовуються для навчання та оцінки моделей. Це полегшує доступ до різноманітних джерел даних, дозволяючи користувачам знаходити та використовувати дані для своїх конкретних проектів машинного навчання.
* **Простори:** Платформа для хостингу та обміну **інтерактивними додатками машинного навчання** та демо. Вона дозволяє розробникам **демонструвати** свої моделі в дії, створювати зручні інтерфейси та співпрацювати з іншими, обмінюючись живими демо.

## [**TensorFlow Hub**](https://www.tensorflow.org/hub) **&** [**Kaggle**](https://www.kaggle.com/)

**TensorFlow Hub** є всебічним репозиторієм повторно використовуваних модулів машинного навчання, розроблених Google. Він зосереджується на полегшенні обміну та розгортання моделей машинного навчання, особливо тих, що побудовані з TensorFlow.

* **Модулі:** Велика колекція попередньо навчених моделей та компонентів моделей, де користувачі можуть переглядати, завантажувати та інтегрувати модулі для завдань, таких як класифікація зображень, вбудовування тексту тощо.
* **Посібники:** Покрокові інструкції та приклади, які допомагають користувачам зрозуміти, як реалізувати та доопрацьовувати моделі за допомогою TensorFlow Hub.
* **Документація:** Всебічні посібники та API посилання, які допомагають розробникам ефективно використовувати ресурси репозиторію.

## [**Replicate**](https://replicate.com/home)

**Replicate** є платформою, яка дозволяє розробникам запускати моделі машинного навчання в хмарі через простий API. Вона зосереджується на тому, щоб зробити ML моделі легко доступними та розгорнутими без необхідності в значному налаштуванні інфраструктури.

* **Моделі:** Репозиторій моделей машинного навчання, внесених спільнотою, які користувачі можуть переглядати, пробувати та інтегрувати моделі у свої додатки з мінімальними зусиллями.
* **Доступ до API:** Прості API для запуску моделей, які дозволяють розробникам без зусиль розгортати та масштабувати моделі у своїх додатках.