#bert Repositories
Entdecke 109 aktive Open-Source-GitHub-Repositories, die mit #bert getaggt sind und insgesamt 287,319 Sterne gesammelt haben (durchschnittlich 2,635 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist datawhalechina/leedl-tutorial mit 16,879 Sternen.
Insgesamt 109 Repositories
《Li Hongyi Deep Learning Tutorial》(Empfohlen von Professor Li Hongyi 👍, Apple Books 🍎), PDF-Download-Link: https://github.com/datawhalechina/leedl-tutorial/releases
Benutzerfreundliche und leistungsstarke LLM- und SLM-Bibliothek mit einer beeindruckenden Modellbibliothek.
🏄 Skalierbare Einbettung, Begründung, Rangierung für Bilder und Sätze mit CLIP
Dieses Repository enthält Demos, die ich mit der Transformers-Bibliothek von HuggingFace erstellt habe.
💥 Schnelle State-of-the-Art-Tokenizers, optimiert für Forschung und Produktion
Vor-Training mit Whole Word Masking für Chinese BERT (Chinese BERT-wwm-Serie-Modelle)
Beeindruckende vortrainierte chinesische NLP-Modelle, Sammlung hochwertiger chinesischer vortrainierter Modelle & Großmodelle & Multimodale Modelle & Große Sprachmodelle
Entwickelt von Turing's Cat, die erste Generation künstlicher Intelligenz für Kreation, basierend auf Open-Source GPT2.0 | Skalierbar, evolvierbar
Tutorials zum Einstieg in PyTorch und TorchText für die Sentiment-Analyse.
Chinesisches Sprachverständnis-Bewertungsbenchmark: Datensätze, Baselines, vortrainierte Modelle, Corpus und Leaderboard
Dieses Repository enthält hauptsächlich Notizen zur Lektüre von Beiträgen führender Konferenzen im Bereich der NLP-Algorithmusentwicklung.
Chinesische NLP-Lösungen (große Modelle, Daten, Modelle, Training, Inferenz)
🧠💬 Artikel, die ich über maschinelles Lernen geschrieben habe, archiviert von MachineCurve.com.
Schnelle Einführung in KI-Theorie und angewandte Praxis: Grundlagen, Transformer, NLP, ML, DL, Wettbewerbe. Enthält reichlich Kommentare und Datensätze, damit jeder es verstehen und nachbilden kann.
Einstiegskurse in Deep Learning, Fortgeschrittene Kurse, Spezialkurse, akademische Fälle, industrielle Praxisbeispiele, Deep-Learning-Wissens-Enzyklopädie und Interview-Fragenbank Der Kurs, Fall und das Wissen von Deep Learning und KI
Rust-native, einsatzbereite NLP-Pipelines und transformerbasierte Modelle (BERT, DistilBERT, GPT2, ...)
Chinesische LLaMA 1&2, Chinesische Falcon Basismodelle; ChatFlow chinesisches Dialogmodell; Chinesisches OpenLLaMA-Modell; NLP-Vortraining/Anweisungsfeinabstimmung Datensätze
Wir möchten ein Repository erstellen, um die Verwendung von Transformatoren im Chinesischen zu veranschaulichen
Eine einheitliche Bibliothek für parametereffizientes und modulares Transferlernen
Jupyter Notebook-Tutorials zum Lösen realer Probleme mit Machine Learning & Deep Learning unter Verwendung von PyTorch. Themen: Gesichtserkennung mit Detectron 2, Anomalieerkennung in Zeitreihen mit LSTM Autoencoders, Objekterkennung mit YOLO v5, Erstellen Ihres ersten Neural Network, Zeitreihenprognose für tägliche Coronavirus-Fälle, Sentiment Analysis mit BER
Toolkit für maschinelles Lernen, natürliche Sprachverarbeitung und Textgenerierung in TensorFlow. Dies ist Teil des CASL-Projekts: http://casl-project.ai/
Kashgari ist ein produktionsreifes NLP-Transfer-Learning-Framework auf Basis von tf.keras für Text-Beschriftung und Text-Klassifikation, das Word2Vec, BERT und GPT2 Language Embedding enthält.
Ein heterogener Benchmark für Information Retrieval. Einfach zu bedienen, evaluieren Sie Ihre Modelle über 15+ verschiedene IR-Datensätze.
ALIbaba's Sammlung von Encoder-Decodern aus dem MinD (Machine Intelligence of Damo) Lab
[CVPR 2021] Offizielle PyTorch-Implementierung für Transformer Interpretability Beyond Attention Visualization, eine neuartige Methode zur Visualisierung von Klassifizierungen durch Transformer-basierte Netzwerke.
Eigenständige Machine-Learning- und Natural-Language-Processing-Bibliothek in Go
Chinesische Langtextklassifikation, Kurzsatzkonstruktion, Multi-Label-Klassifikation, Ähnlichkeit zweier Sätze (Chinese Text Classification of Keras NLP, multi-label classify, or sentence classify, long or short), Vektor-Einbettungsschicht für Zeichen/Wörter/Sätze (embeddings) und Netzwerkschicht (graph) Konstruktionsbasisklasse, FastText, TextCNN, CharCNN, TextRNN, RCNN, DCNN, DPCNN, VDCNN, CRNN, Bert, Xlnet, Albert, Attention, DeepMoji, HAN, Kapselnetzwerk-CapsuleNet, Transformer-encode, Seq2seq, SWEM, LEAM, TextGCN
Beobachtung, Erforschung und Anwendung zukunftsweisender Technologien wie der Verarbeitung natürlicher Sprache, Wissensgraphen, großen Sprachmodellen und Agenten.
PaddleSlim ist eine Open-Source-Bibliothek für die Komprimierung tiefer Modelle und die Architektursuche.
eine schnelle und benutzerfreundliche Laufzeitumgebung für Transformer-Inferenz (Bert, Albert, GPT2, Decoders usw.) auf CPU und GPU.
Dieses Projekt hat ein intelligentes medizinisches Frage-Antwort-System entworfen und implementiert, das auf Knowledge Graph RAG und großen Sprachmodellen basiert. Basierend auf dem medizinischen Datensatz DiseaseKG und unter Verwendung von Neo4j konstruiert das System einen domänenspezifischen Wissensgraphen mit 44.000 Entitäten und 310.000 Beziehungen. Durch die Kombination von BERT-basierter Erkennung benannter Entitäten und der Absichtserkennung durch ein 32B-Modell mildert das System durch präzise Graphabfragen und kontrollierte Antwortgenerierung effektiv die Halluzinationsprobleme großer Modelle in medizinischen Szenarien und verbessert die Genauigkeit und Zuverlässigkeit der Antworten erheblich.
Vortrainiertes chinesisches ELECTRA (ELECTRA-Vortrainiertes Modell Chinesisch)
🛸 Verwenden Sie vortrainierte Transformer wie BERT, XLNet und GPT-2 in spaCy
Häufig gestellte Fragen
Welches ist das beliebteste #bert-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#bert-Projekt auf GitHub ist datawhalechina/leedl-tutorial mit 16,879 Sternen. 《Li Hongyi Deep Learning Tutorial》(Empfohlen von Professor Li Hongyi 👍, Apple Books 🍎), PDF-Download-Link: https://github.com/datawhalechina/leedl-tutorial/releases
Welche Programmiersprachen werden in #bert-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #bert-Projekten auf GitHub sind Python, Jupyter Notebook, C++, Rust die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #bert-Repositories berechnet?
Wir verfolgen 109 aktive Open-Source-Repositories, die mit #bert getaggt sind (500+ Sterne), mit insgesamt 287,319 Sternen und durchschnittlich 2,635 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.