crystalcoder-data-prep是为CrystalCoder 7B LLM准备训练数据的代码，涵盖数据下载、token化、序列拼接、FIM增强和数据混洗等多个步骤，旨在提高模型训练的效率和效果。

该项目提供多种卫星和航空图像的数据集，支持深度学习模型的训练和评估，包含丰富的数据集信息和元数据，适用于不同的计算机视觉任务，如图像分类、目标检测等。

基于 Rust 和 ffmpeg 的视频解码库，旨在快速解码视频，特别适用于机器学习场景，在机器学习领域处理视频数据时，能高效地加载视频片段，避免了不必要的全视频解码，大大节省时间和资源

Dioptra是一个开源的数据策展和管理平台，旨在支持计算机视觉、自然语言处理和大型语言模型。它帮助用户策划有价值的未标记数据，注册元数据，诊断模型失效模式，并与标注和再训练系统整合。

一个使用简单、原始的 C/CUDA 进行LLM培训的项目，旨在提供轻量级的实现，减少对大型库的依赖。

Epochraft是一个数据加载器库，专注于即时标记化和检查点功能，特别用于流畅训练语言模型(LLM)，旨在提高数据处理的效率和训练过程的灵活性。