#natural-language-processing Repositories
Insgesamt 798 Repositories
Tauchen Sie ein in Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision und NLP, indem Sie aus diesen spannenden Vorlesungen lernen!!
Ein quelloffenes, durch Werkzeuge erweitertes konversationelles Sprachmodell der Fudan-Universität
Unüberwachter Text-Tokenizer für die Textgenerierung basierend auf neuronalen Netzen.
Die offizielle GitHub-Seite für die Übersichtsstudie „A Survey of Large Language Models“.
OpenVINO™ ist ein Open-Source-Toolkit zur Optimierung und Bereitstellung von KI-Inferenz.
Low-Code-Framework zum Erstellen benutzerdefinierter LLMs, neuronaler Netze und anderer KI-Modelle
💥 Schnelle State-of-the-Art-Tokenizers, optimiert für Forschung und Produktion
Dieses Repository enthält eine kuratierte Sammlung von über 300 Fallstudien von mehr als 80 Unternehmen, die praktische Anwendungen und Einblicke in das Design von Systemen für maschinelles Lernen (ML) beschreiben. Die Inhalte sind so organisiert, dass Sie relevante Fallstudien leicht nach Branche oder spezifischen ML-Anwendungsfällen finden können.
Meine kontinuierlich aktualisierten Notizen und Demos zu Machine Learning, probabilistischen Modellen und Deep Learning (2000+ Folien) Meine ununterbrochen aktualisierten Vorlesungsmaterialien zu Machine Learning, probabilistischen Modellen und Deep Learning (2000+ Seiten) und Video-Links
Minimaler, sauberer Code für den Byte Pair Encoding (BPE)-Algorithmus, der häufig bei der LLM-Tokenisierung verwendet wird.
Eine kuratierte Liste praktischer Leitfadenressourcen für LLMs (LLMs Tree, Beispiele, Paper)
CoreNLP: Eine Java-Suite mit Kern-NLP-Tools für Tokenisierung, Satzsegmentierung, NER, Parsing, Koreferenz, Stimmungsanalyse usw.
Eine PyTorch-Implementierung des Transformer-Modells aus „Attention is All You Need“.
Einfach, Pythonic, Textverarbeitung – Stimmungsanalyse, Part-of-Speech-Tagging, Nominalphrasenextraktion, Übersetzung und mehr.
Eine Sammlung von Beispielen und Tutorials zum maschinellen Lernen.
Web-Mining-Modul für Python mit Tools für Scraping, Natural Language Processing, Machine Learning, Netzwerkanalyse und Visualisierung.
Deep Learning Interview-Leitfaden (Enthält Mathematik, Machine Learning, Deep Learning, Computer Vision, Natural Language Processing und SLAM usw.)
Das neue Buch von Google, 'Agentic Design Patterns', die beste chinesische Version, kontinuierlich optimiert. Im Anhang: Online-Lesen, PDF und ePub‑E‑Book‑Download.
Begleitcode in "Praktischem Tutorial zum Training von PyTorch-Modellen"
Notebooks und Code für das Buch "Introduction to Machine Learning with Python"
Stanford NLP Python-Bibliothek für Tokenisierung, Satzsegmentierung, NER und Parsing vieler menschlicher Sprachen
Grundlagen großer Modelle: Verstehen Sie die Grundlagen großer Modelle in einem Artikel
:speech_balloon: Command-Line-Übersetzer mit Google Translate, Bing Translator, Yandex.Translate usw.
Software in C und Daten-Dateien für das beliebte GloVe-Modell für verteilte Wortdarstellungen, a.k.a. Wortvektoren oder Embeddings
Offiziell gepflegt und von PaddlePaddle unterstützt, einschließlich CV, NLP, Speech, Rec, TS, großer Modelle und so weiter.
[EMNLP'23, ACL'24] Um die Inferenz von LLMs zu beschleunigen und die Wahrnehmung von Schlüsselinformationen durch LLMs zu verbessern, wird die Eingabeaufforderung und der KV-Cache komprimiert, was eine Komprimierung um das bis zu 20-fache bei minimalem Leistungsverlust erzielt.
Leseliste für Forschungsthemen im multimodalen maschinellen Lernen
Eine NLP-Bibliothek zum Erstellen von Bots, mit Entitätsauszug, Stimmungsanalyse, automatischer Sprachenerkennung und vielem mehr
Code für das Paper "Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer"
Eine kuratierte Liste toller selbstüberwachter Methoden