Repolode
Enviar
unslothai

unslothai/notebooks

Uma coleção com mais de 250 notebooks do Colab e Jupyter para fine-tuning e treinamento com RL de modelos de texto, visão, áudio, embeddings e TTS usando Unsloth.

Ver no GitHubSite
Estrelas
5,748
Forks
957
Issues abertas
24
Último commit
há 6 horas

O que é?

Este repositório reúne notebooks prontos para executar que mostram como fazer fine-tuning e treinar modelos grandes com Unsloth. Eles são organizados por família de modelos, incluindo Gemma, Qwen, Llama, gpt-oss, Mistral, Phi, DeepSeek e outras, e por tipo de treinamento, como fine-tuning supervisionado, GRPO e outros métodos de aprendizado por reforço, DPO, ORPO e PPO.

Cada notebook cobre o fluxo de trabalho completo: preparação de dados, treinamento e inferência. A maioria é publicada como link do Google Colab, então pode ser aberta e executada no navegador. Os notebooks também abrangem modalidades além de texto, incluindo modelos de visão e linguagem, áudio, conversão de fala em texto, conversão de texto em fala, embeddings e OCR.

Os notebooks são gerados a partir de um script, e a lista cresce à medida que novos modelos passam a ter suporte. O repositório é licenciado sob LGPL-3.0.

Recursos principais

  • 01Notebooks para mais de 250 modelos de texto, visão, áudio, embeddings e TTS
  • 02Exemplos de fine-tuning e aprendizado por reforço, incluindo GRPO, DPO, ORPO e PPO
  • 03Cada notebook inclui etapas de preparação de dados, treinamento e inferência
  • 04A maioria dos notebooks pode ser aberta diretamente no Google Colab com um clique

Casos de uso

  • Aprender a fazer fine-tuning de um modelo aberto específico com seu próprio conjunto de dados
  • Experimentar aprendizado por reforço (GRPO) em um modelo pequeno usando uma sessão gratuita do Colab
  • Adaptar um modelo de visão e linguagem ou TTS a uma tarefa personalizada
  • Encontrar um template inicial para uma nova família de modelos

Início rápido

  1. 1

    Abra um notebook da lista no Google Colab

  2. 2

    Explore todos os notebooks na documentação do Unsloth

Antes de usar

  • Licenciado sob a LGPL-3.0, uma licença copyleft com condições para redistribuição.
  • Os notebooks dependem da biblioteca Unsloth, distribuída separadamente, portanto seu comportamento segue o desse projeto.

Em coleções

Ferramentas de vídeo e áudio com IAFrameworks e ambientes de aprendizado por reforço

Tópicos

#fine-tuning#llm#reinforcement-learning#jupyter-notebook#colab#vision-language#text-to-speech#embeddings#unsloth

Perguntas frequentes

O que é notebooks?
Uma coleção com mais de 250 notebooks do Colab e Jupyter para fine-tuning e treinamento com RL de modelos de texto, visão, áudio, embeddings e TTS usando Unsloth. Este repositório reúne notebooks prontos para executar que mostram como fazer fine-tuning e treinar modelos grandes com Unsloth. Eles são organizados por família de modelos, incluindo Gemma, Qwen, Llama, gpt-oss, Mistral, Phi, DeepSeek e outras, e por tipo de treinamento, como fine-tuning supervisionado, GRPO e outros métodos de aprendizado por reforço, DPO, ORPO e PPO.
notebooks é gratuito? Qual é a licença?
notebooks é open source sob a licença LGPL-3.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
notebooks ainda é mantido?
Manutenção ativa. O último commit de notebooks foi em 22 de out. de 2026.
Para que posso usar notebooks?
Aprender a fazer fine-tuning de um modelo aberto específico com seu próprio conjunto de dados Experimentar aprendizado por reforço (GRPO) em um modelo pequeno usando uma sessão gratuita do Colab Adaptar um modelo de visão e linguagem ou TTS a uma tarefa personalizada Encontrar um template inicial para uma nova família de modelos
Como instalar notebooks?
Abra um notebook da lista no Google Colab Explore todos os notebooks na documentação do Unsloth
Onde consigo notebooks?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/unslothai/notebooks

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados