Marin社区贡献指南如何参与开源基础模型框架开发【免费下载链接】marinOpen-source framework for the research and development of foundation models.项目地址: https://gitcode.com/GitHub_Trending/ma/marinMarin是一个开源基础模型框架旨在为基础模型的研究和开发提供支持。本指南将详细介绍如何参与Marin社区贡献从环境搭建到代码提交的完整流程帮助新手和普通用户快速融入开源开发。 准备工作贡献前须知在开始贡献前请先了解Marin社区的基本准则。我们欢迎能添加新功能或修复严重问题的贡献。如果不确定某项更改是否受欢迎建议先在Marin Discord中提问或创建issue。对于AI生成的贡献我们不接受一次性生成的低质量PR要求贡献者能解释更改的必要性和正确性。图Marin项目开发时间线展示了项目的演进历程帮助贡献者了解项目背景 环境搭建从零开始配置开发环境1. 克隆仓库首先克隆Marin项目仓库到本地git clone https://gitcode.com/gh_mirrors/ma/marin cd marin2. 创建并激活虚拟环境使用uv创建并激活Python虚拟环境uv venv --python 3.12 source .venv/bin/activate3. 安装依赖安装项目核心依赖和开发工具uv sync --package marin-core --group dev make setup_pre_commit也可以使用make init命令一键安装所有核心依赖并构建marin-core包。4. 配置Git钩子设置Git钩子以确保提交前通过代码检查make setup_pre_commit✅ 开发规范编写符合标准的代码代码风格指南Marin遵循严格的Python编码标准主要包括所有导入语句必须放在文件顶部避免函数内部导入可选第三方包除外使用类型提示标注所有变量、函数参数和返回值优先使用dataclass(frozenTrue)而非未类型化的字典函数和类应有清晰的文档字符串描述功能、参数和返回值详细规范可参考docs/dev-guide/coding-standards.md。命名约定元素规则示例模块使用描述性名词避免*_utils.pytext_cleaning.py函数使用动词短语反映返回类型task_status()常量模块级使用UPPER_SNAKE_CASEMAX_RETRY_COUNT 3代码示例推荐写法from dataclasses import dataclass dataclass(frozenTrue) class ModelConfig: 配置模型训练的参数集合 Args: batch_size: 每个训练批次的样本数量 learning_rate: 优化器学习率 max_steps: 最大训练步数 batch_size: int learning_rate: float max_steps: int def train_model(config: ModelConfig) - None: 使用给定配置训练模型 Args: config: 包含训练参数的配置对象 if config.batch_size 0: raise ValueError(批次大小必须为正数) # 训练逻辑... 测试与调试确保代码质量运行测试Marin使用pytest进行测试对于大多数更改建议先运行目标快速测试uv run pytest -m not slow 相关测试路径完整测试套件可通过make test命令运行。代码检查提交前请运行代码检查工具确保符合项目规范./infra/pre-commit.py --all-files --fix如果更改涉及文档还需运行文档链接检查uv run python infra/check_docs_source_links.py 提交贡献创建Pull RequestPR准备步骤确保所有代码检查和测试通过按照.agents/skills/writing-style/pull-requests.md编写PR标题和描述PR描述应包含更改内容、原因、证据和注意事项如果工作来自issue在PR描述末尾添加Fixes #NNNN或Part of #NNNN实验性贡献如果您的贡献涉及机器学习实验需要创建专门的实验文件experiments/exp${GITHUB_ISSUE_NUMBER}_${DESCRIPTOR}.py。实验应使用延迟工件系统定义包含明确的假设和评估指标。图Marin模型训练损失对比示例展示了不同优化策略的效果 学习资源深入了解Marin官方文档docs/index.md开发指南docs/dev-guide/代码规范docs/dev-guide/coding-standards.md实验指南docs/explanations/experiments.md 社区交流获取帮助与支持Marin Discord实时交流和问题解答GitHub Issues提交bug报告和功能请求项目讨论区参与架构设计和开发方向讨论通过以上步骤您就可以顺利参与Marin开源项目的贡献了。无论是修复bug、添加功能还是改进文档每一份贡献都对项目的发展至关重要。我们期待您的加入共同推动基础模型技术的进步【免费下载链接】marinOpen-source framework for the research and development of foundation models.项目地址: https://gitcode.com/GitHub_Trending/ma/marin创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Marin社区贡献指南：如何参与开源基础模型框架开发
Marin社区贡献指南如何参与开源基础模型框架开发【免费下载链接】marinOpen-source framework for the research and development of foundation models.项目地址: https://gitcode.com/GitHub_Trending/ma/marinMarin是一个开源基础模型框架旨在为基础模型的研究和开发提供支持。本指南将详细介绍如何参与Marin社区贡献从环境搭建到代码提交的完整流程帮助新手和普通用户快速融入开源开发。 准备工作贡献前须知在开始贡献前请先了解Marin社区的基本准则。我们欢迎能添加新功能或修复严重问题的贡献。如果不确定某项更改是否受欢迎建议先在Marin Discord中提问或创建issue。对于AI生成的贡献我们不接受一次性生成的低质量PR要求贡献者能解释更改的必要性和正确性。图Marin项目开发时间线展示了项目的演进历程帮助贡献者了解项目背景 环境搭建从零开始配置开发环境1. 克隆仓库首先克隆Marin项目仓库到本地git clone https://gitcode.com/gh_mirrors/ma/marin cd marin2. 创建并激活虚拟环境使用uv创建并激活Python虚拟环境uv venv --python 3.12 source .venv/bin/activate3. 安装依赖安装项目核心依赖和开发工具uv sync --package marin-core --group dev make setup_pre_commit也可以使用make init命令一键安装所有核心依赖并构建marin-core包。4. 配置Git钩子设置Git钩子以确保提交前通过代码检查make setup_pre_commit✅ 开发规范编写符合标准的代码代码风格指南Marin遵循严格的Python编码标准主要包括所有导入语句必须放在文件顶部避免函数内部导入可选第三方包除外使用类型提示标注所有变量、函数参数和返回值优先使用dataclass(frozenTrue)而非未类型化的字典函数和类应有清晰的文档字符串描述功能、参数和返回值详细规范可参考docs/dev-guide/coding-standards.md。命名约定元素规则示例模块使用描述性名词避免*_utils.pytext_cleaning.py函数使用动词短语反映返回类型task_status()常量模块级使用UPPER_SNAKE_CASEMAX_RETRY_COUNT 3代码示例推荐写法from dataclasses import dataclass dataclass(frozenTrue) class ModelConfig: 配置模型训练的参数集合 Args: batch_size: 每个训练批次的样本数量 learning_rate: 优化器学习率 max_steps: 最大训练步数 batch_size: int learning_rate: float max_steps: int def train_model(config: ModelConfig) - None: 使用给定配置训练模型 Args: config: 包含训练参数的配置对象 if config.batch_size 0: raise ValueError(批次大小必须为正数) # 训练逻辑... 测试与调试确保代码质量运行测试Marin使用pytest进行测试对于大多数更改建议先运行目标快速测试uv run pytest -m not slow 相关测试路径完整测试套件可通过make test命令运行。代码检查提交前请运行代码检查工具确保符合项目规范./infra/pre-commit.py --all-files --fix如果更改涉及文档还需运行文档链接检查uv run python infra/check_docs_source_links.py 提交贡献创建Pull RequestPR准备步骤确保所有代码检查和测试通过按照.agents/skills/writing-style/pull-requests.md编写PR标题和描述PR描述应包含更改内容、原因、证据和注意事项如果工作来自issue在PR描述末尾添加Fixes #NNNN或Part of #NNNN实验性贡献如果您的贡献涉及机器学习实验需要创建专门的实验文件experiments/exp${GITHUB_ISSUE_NUMBER}_${DESCRIPTOR}.py。实验应使用延迟工件系统定义包含明确的假设和评估指标。图Marin模型训练损失对比示例展示了不同优化策略的效果 学习资源深入了解Marin官方文档docs/index.md开发指南docs/dev-guide/代码规范docs/dev-guide/coding-standards.md实验指南docs/explanations/experiments.md 社区交流获取帮助与支持Marin Discord实时交流和问题解答GitHub Issues提交bug报告和功能请求项目讨论区参与架构设计和开发方向讨论通过以上步骤您就可以顺利参与Marin开源项目的贡献了。无论是修复bug、添加功能还是改进文档每一份贡献都对项目的发展至关重要。我们期待您的加入共同推动基础模型技术的进步【免费下载链接】marinOpen-source framework for the research and development of foundation models.项目地址: https://gitcode.com/GitHub_Trending/ma/marin创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考