vtars Goto Github PK

a2ml-datasetrelated

alphafin

atom

Atom: Low-bit Quantization for Efficient and Accurate LLM Serving

autoawq

AutoAWQ implements the AWQ algorithm for 4-bit quantization with a 2x speedup during inference.

autogptq

An easy-to-use LLMs quantization package with user-friendly apis, based on GPTQ algorithm.

cloudcompute

computervision

coursera-ml-andrewng-notes

吴恩达老师的机器学习课程个人笔记

cs230-code-examples

Code examples in pyTorch and Tensorflow for CS230

cs230-deep-learning

Deep Learning by deeplearning.ai

d2-admin

An elegant dashboard

data-science-notes

数据科学的笔记以及资料搜集

deep-learning-interview-book

深度学习面试宝典（含数学、机器学习、深度学习、计算机视觉、自然语言处理和SLAM等方向）

deeplearning_ai_books

deeplearning.ai（吴恩达老师的深度学习课程笔记及资源）

fluent-python-code

Example code for Fluent Python, 2nd edition (O'Reilly 2022)

gallery-by-vue

gallery by Vue

icp-banking-microservices

ICp Banking Microservices with LinuxONE Community Cloud

javainterview

【Java面试+Java后端技术学习指南】：一份通向理想互联网公司的面试指南，包括 Java，技术面试必备基础知识、Leetcode、计算机操作系统、计算机网络、系统设计、分布式、数据库（MySQL、Redis）、Java 项目实战等

llm-fp4

copy from EMNLP 2023 paper LLM-FP4

montecarlooptionpricing

A Option pricing simulator for option pricing and is used to estimate the price of a European-style call option. Based on the given initial stock price, exercise price, volatility, risk-free rate, expiration time, etc., the Monte Carlo simulation method is used to simulate and output the estimated call option price.

objectattributevalue

Item attribute value exporter. As a module in a game, the program calculates the value of an object according to its properties using different calculation methods, and randomly outputs the value.

omniquant

[ICLR2024 spotlight] OmniQuant is a simple and powerful quantization technique for LLMs.

pig

↥ ↥ ↥ 点击关注更新，基于 Spring Cloud 2020 、Spring Boot 2.5、 OAuth2 的 RBAC 权限管理系统

pytorch-handbook

pytorch handbook是一本开源的书籍，目标是帮助那些希望和使用PyTorch进行深度学习开发和研究的朋友快速入门，其中包含的Pytorch教程全部通过测试保证可以成功运行

scutmaterial

华南你工大学软件学院历年考试资料。

spring-boot-demo

该项目已成功集成 actuator(监控)、admin(可视化监控)、logback(日志)、aopLog(通过AOP记录web请求日志)、统一异常处理(json级别和页面级别)、freemarker(模板引擎)、thymeleaf(模板引擎)、Beetl(模板引擎)、Enjoy(模板引擎)、JdbcTemplate(通用JDBC操作数据库)、JPA(强大的ORM框架)、mybatis(强大的ORM框架)、通用Mapper(快速操作Mybatis)、PageHelper(通用的Mybatis分页插件)、mybatis-plus(快速操作Mybatis)、BeetlSQL(强大的ORM框架)、upload(本地文件上传和七牛云文件上传)、redis(缓存)、ehcache(缓存)、email(发送各种类型邮件)、task(基础定时任务)、quartz(动态管理定时任务)、xxl-job(分布式定时任务)、swagger(API接口管理测试)、security(基于RBAC的动态权限认证)、SpringSession(Session共享)、Zookeeper(结合AOP实现分布式锁)、RabbitMQ(消息队列)、Kafka(消息队列)、websocket(服务端推送监控服务器运行信息)、socket.io(聊天室)、ureport2(**式报表)、打包成war文件、集成 ElasticSearch(基本操作和高级查询)、Async(异步任务)、集成Dubbo(采用官方的starter)、MongoDB(文档数据库)、neo4j(图数据库)、docker(容器化)、JPA多数据源、Mybatis多数据源、代码生成器、GrayLog(日志收集)、JustAuth(第三方登录)、LDAP(增删改查)、动态添加/切换数据源、单机限流(AOP + Guava RateLimiter)、分布式限流(AOP + Redis + Lua)、ElasticSearch 7.x(使用官方 Rest High Level Client)、HTTPS、Flyway(数据库初始化)、UReport2(**式复杂报表)。

statistical-learning-method-numpy-impl

Numpy Implementaton for “Statistical Learning Method”. 《统计机器学习》的Numpy实现。