Go语言实现

TypeScript-Go是一个将TypeScript原生移植到Go语言的项目，旨在为TypeScript的跨语言开发提供强大支持。该项目不仅实现了TypeScript的核心功能，还通过Go语言的优势提升了性能和编译速度，同时增强了与Go生态系统的集成。

CockroachDB Swiss是一个用Go语言实现的高性能哈希表，专为大规模数据处理设计，提供极致的性能和内存优化。它通过优化内存分配和减少尾延迟，显著提升了处理大规模数据时的效率和响应速度。

mcp-go是Model Context Protocol (MCP)的Go语言实现，旨在为LLM（大型语言模型）应用与外部数据源和工具的无缝集成提供强大支持。通过简化服务器管理和减少代码量，mcp-go帮助开发者快速构建高效的LLM应用。

LLaMA.go是一个LLaMA模型的纯Go实现，类似于llama.cpp，但完全用Go编写。

nanoRWKV是RWKV语言模型的轻量级实现，专为快速实验与多种语言处理任务设计，兼容RWKV架构，基于nanoGPT优化了性能和效率，易于扩展和自定义。

Phi2-mini-Chinese 是一个从零开始训练自己的Phi2中文小模型的项目，支持加载本地知识库进行检索增强生成（RAG），旨在提供强大的中文对话能力和灵活的训练选项。

Windows AI Studio是微软提供的官方工具，旨在帮助开发者在本地微调和测试AI模型，支持Phi 2、RAG以及Windows优化模型，整合了Azure AI Studio目录和Hugging Face等资源，确保隐私和数据安全。

这是一个强大的Stable Diffusion Web UI扩展，利用Dreambooth技术提升图像生成能力，允许用户使用个性化图像训练自定义模型，并提供易于使用的界面来管理训练参数。

一个能够直接在文件字节上进行训练和测试的模型，无需在推理时对文件进行解码。

分享 GitHub 上一份开源免费的在线教程，涵盖了 PyTorch 基础知识、神经网络、计算机视觉、自定义数据集处理、模块化代码编写以及模型部署等内容。

2000 Fine Tuning Prompts是一个全面的资源，旨在帮助爱好者学习和实验微调，熟悉其在不同上下文中的功能和应用。

Deita旨在为大型语言模型(LLM)的指令微调提供自动数据选择工具和高质量的对齐数据集，Deita模型能通过比其他SOTA LLM少10倍的指令微调数据进行训练，达到与它们相媲美的性能。