Guía paso a paso en chino y código de ejemplo para aprender sobre LLM, desde llamadas a API hasta despliegue local y fine-tuning, con versiones para Kaggle y Colab.
4,7 mil490PythonMITActualizado hace 11 días
unslothai/notebooks
Colección de más de 250 notebooks de Colab y Jupyter para ajustar y entrenar con RL modelos de texto, visión, audio, embeddings y TTS con Unsloth.
- Estrellas
- 5,748
- Forks
- 957
- Issues abiertos
- 24
- Último commit
- hace 6 horas
¿Qué es?
Este repositorio reúne notebooks listos para ejecutar que muestran cómo ajustar y entrenar modelos grandes con Unsloth. Están organizados por familia de modelos —como Gemma, Qwen, Llama, gpt-oss, Mistral, Phi, DeepSeek y otras— y por tipo de entrenamiento, como ajuste fino supervisado, GRPO y otros métodos de aprendizaje por refuerzo, DPO, ORPO y PPO.
Cada notebook abarca el flujo de trabajo completo: preparación de datos, entrenamiento e inferencia. La mayoría se publica como enlaces de Google Colab, por lo que se pueden abrir y ejecutar en un navegador. También abarcan modalidades distintas del texto, como modelos de visión y lenguaje, audio, voz a texto, texto a voz, embeddings y OCR.
Los notebooks se generan mediante un script, y la lista crece a medida que se admiten nuevos modelos. El repositorio está bajo la licencia LGPL-3.0.
Funciones clave
- 01Notebooks para más de 250 modelos de texto, visión, audio, embeddings y TTS
- 02Ejemplos de ajuste fino y aprendizaje por refuerzo, incluidos GRPO, DPO, ORPO y PPO
- 03Cada notebook incluye pasos para preparar los datos, entrenar y realizar inferencias
- 04La mayoría de los notebooks se abren directamente en Google Colab con un solo clic
Casos de uso
- Aprender a ajustar un modelo abierto específico con tu propio conjunto de datos
- Probar aprendizaje por refuerzo (GRPO) con un modelo pequeño en una sesión gratuita de Colab
- Adaptar un modelo de visión y lenguaje o TTS a una tarea personalizada
- Encontrar una plantilla inicial para una nueva familia de modelos
Inicio rápido
- 1
Abre un cuaderno de la lista en Google Colab
- 2
Explora todos los cuadernos de la documentación de Unsloth
Antes de usarlo
- Se distribuye bajo la licencia LGPL-3.0, una licencia copyleft que establece condiciones para la redistribución.
- Los cuadernos dependen de la biblioteca independiente Unsloth, por lo que su comportamiento está sujeto a ese proyecto.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es notebooks?
- Colección de más de 250 notebooks de Colab y Jupyter para ajustar y entrenar con RL modelos de texto, visión, audio, embeddings y TTS con Unsloth. Este repositorio reúne notebooks listos para ejecutar que muestran cómo ajustar y entrenar modelos grandes con Unsloth. Están organizados por familia de modelos —como Gemma, Qwen, Llama, gpt-oss, Mistral, Phi, DeepSeek y otras— y por tipo de entrenamiento, como ajuste fino supervisado, GRPO y otros métodos de aprendizaje por refuerzo, DPO, ORPO y PPO.
- ¿notebooks es gratuito? ¿Qué licencia tiene?
- notebooks es open source bajo la licencia LGPL-3.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿notebooks sigue mantenido?
- Mantenimiento activo. El último commit de notebooks fue el 22 oct 2026.
- ¿Para qué puedo usar notebooks?
- Aprender a ajustar un modelo abierto específico con tu propio conjunto de datos Probar aprendizaje por refuerzo (GRPO) con un modelo pequeño en una sesión gratuita de Colab Adaptar un modelo de visión y lenguaje o TTS a una tarea personalizada Encontrar una plantilla inicial para una nueva familia de modelos
- ¿Cómo se instala notebooks?
- Abre un cuaderno de la lista en Google Colab Explora todos los cuadernos de la documentación de Unsloth
- ¿Dónde consigo notebooks?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/unslothai/notebooks
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Colección bilingüe de más de 100 diagramas originales que explican LLM, RL, RLHF, DPO, GRPO y algoritmos relacionados con modelos grandes.
5 mil479PythonOtherActualizado el mes pasado
Modelos de texto a voz preentrenados de Silero, disponibles mediante PyTorch Hub o pip, para ruso y muchos idiomas túrquicos, caucásicos y otros de la CEI.
6,1 mil376Jupyter NotebookOtherActualizado hace 7 días
Aplicación de escritorio de código abierto e interfaz web para ejecutar, ajustar y exportar LLMs y modelos de difusión localmente, además de una biblioteca de entrenamiento basada en código.
78,4 mil7,3 milPythonApache-2.0Actualizado hace 17 minutos
Una biblioteca de Hugging Face para el postentrenamiento de modelos de lenguaje transformer con SFT, GRPO, DPO, KTO y modelado de recompensas.
19,6 mil3,1 milPythonApache-2.0Actualizado hace 28 minutos
Framework de ajuste fino, entrenamiento, inferencia y despliegue para más de 600 modelos de lenguaje grandes y más de 400 modelos multimodales, compatible con SFT, DPO y GRPO.
15,9 mil1,8 milPythonApache-2.0Actualizado hace 8 horas