#pretrained-models Repositories
Entdecke 66 aktive Open-Source-GitHub-Repositories, die mit #pretrained-models getaggt sind und insgesamt 475,350 Sterne gesammelt haben (durchschnittlich 7,202 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist huggingface/transformers mit 169,339 Sternen.
Insgesamt 66 Repositories
🤗 Transformers: Der Framework zur Modell-Definition für State-of-the-Art-Machine-Learning-Modelle in Text, Vision, Audio und multimodalen Modellen, sowohl für Inferenz als auch für Training.
Die größte Sammlung von PyTorch-Bildencodern / Backbones. Einschließlich Trainings-, Eval-, Inferenz-, Export-Skripte und vortrainierte Gewichte -- ResNet, ResNeXT, EfficientNet, NFNet, Vision Transformer (ViT), MobileNetV4, MobileNet-V3 & V2, RegNet, DPN, CSPNet, Swin Transformer, MaxViT, CoAtNet, ConvNeXt und mehr
Das offizielle Repository des Chat- und vortrainierten großen Sprachmodells Qwen (通义千问) von Alibaba Cloud.
Benutzerfreundliche und leistungsstarke LLM- und SLM-Bibliothek mit einer beeindruckenden Modellbibliothek.
Neuronale Bausteine für die Speaker-Diarisierung: Sprachaktivitätsdetektion, Sprecherwechseldetektion, Detektion überlappender Sprache, Speaker-Embedding
LLMs zu Hause ausführen, im BitTorrent-Stil. Fine-Tuning und Inferenz bis zu 10x schneller als beim Offloading.
Ein erweiterbares Toolkit für das Finetuning und die Inferenz großer Grundmodelle. Große Modelle für alle.
Offizielle Veröffentlichung der InternLM-Reihe (InternLM, InternLM2, InternLM2.5, InternLM3).
ein hochmodernes offenes visuelles Sprachmodell | multimodales vortrainiertes Modell
Silero-Modelle: Vortrainierte Text-zu-Sprache-Modelle, deren Nutzung erstaunlich einfach ist
Chinesische Version von CLIP, die chinesische Cross-Modal-Retrieval und Repräsentationsgenerierung ermöglicht.
Eine Schatzkiste für visuelle Klassifizierung und Erkennung, angetrieben von PaddlePaddle
Ein modulares Framework für Vision- und Sprach-Multimodal-Forschung von Facebook AI Research (FAIR)
Beeindruckende vortrainierte chinesische NLP-Modelle, Sammlung hochwertiger chinesischer vortrainierter Modelle & Großmodelle & Multimodale Modelle & Große Sprachmodelle
Superduper: End-to-End-Framework zum Erstellen benutzerdefinierter KI-Anwendungen und -Agenten.
Vortrainierte PyTorch-Modelle für Gesichtsdetektion (MTCNN) und Gesichtserkennung (InceptionResnet)
Ein Repository zur Speicherung von Modellen, die zwischen verschiedenen Frameworks umgewandelt wurden. Unterstützte Frameworks sind TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite (Float32/16/INT8), EdgeTPU, CoreML.
„Große Sprachmodelle“ von: Zhao Xin, Li Junyi, Zhou Kun, Tang Tianyi, Wen Jirong
LimiX: Das Potenzial zur Modellierung strukturierter Daten für generalistische Intelligenz freisetzen https://arxiv.org/abs/2609.17488
Effiziente KI-Backbones einschließlich GhostNet, TNT und MLP, entwickelt von Huawei Noah's Ark Lab.
Chinesisches Sprachverständnis-Bewertungsbenchmark: Datensätze, Baselines, vortrainierte Modelle, Corpus und Leaderboard
Fengshenbang-LM (封神榜大模型) ist ein quelloffenes großes Modellsystem, das vom Forschungszentrum für kognitive Berechnungen und natürliche Sprachverarbeitung des IDEA-Instituts geleitet wird und die Grundlage für chinesisches AIGC und kognitive Intelligenz bildet.
Vortrainiertes Sprachmodell und zugehörige Optimierungstechniken, entwickelt von Huawei Noah's Ark Lab.
Offizielle Repository von OFA (ICML 2022). Paper: OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework
TorchMultimodal ist eine PyTorch-Bibliothek zum Trainieren von hochmodernen multimodalen Multi-Task-Modellen in großem Maßstab.
All-in-One-Training für Visionsmodelle (YOLO, ViTs, RT-DETR, DINOv3): Vortraining, Feinabstimmung, Destillation.
Vortrainiertes EfficientNet, EfficientNet-Lite, MixNet, MobileNetV3 / V2, MNASNet A1 und B1, FBNet, Single-Path NAS
Dieses Repo enthält Implementierungen verschiedener Architekturen für die Emotionserkennung in Gesprächen.
Toolkit zum Segmentieren von Text in Sätze oder andere semantische Einheiten auf robuste, effiziente und anpassungsfähige Weise.
Verteiltes Training und Inferenz für multimodale Wahrnehmung: gemeinsame Embeddings für Text, Bilder, Video, Audio, Code und Graphen mit 64 bis 1.024 Dimensionen 🖼️
💁 Schatzkiste voller Transformer-Modelle für Natural Language Processing enthält Arbeiten, Videos, Blogs, offizielle Repos und Colab-Notebooks. 🛫☑️
SwissArmyTransformer ist eine flexible und leistungsstarke Bibliothek, um Ihre eigenen Transformer-Varianten zu entwickeln.
Häufig gestellte Fragen
Welches ist das beliebteste #pretrained-models-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#pretrained-models-Projekt auf GitHub ist huggingface/transformers mit 169,339 Sternen. 🤗 Transformers: Der Framework zur Modell-Definition für State-of-the-Art-Machine-Learning-Modelle in Text, Vision, Audio und multimodalen Modellen, sowohl für Inferenz als auch für Training.
Welche Programmiersprachen werden in #pretrained-models-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #pretrained-models-Projekten auf GitHub sind Python, Jupyter Notebook, C++, Cuda die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #pretrained-models-Repositories berechnet?
Wir verfolgen 66 aktive Open-Source-Repositories, die mit #pretrained-models getaggt sind (500+ Sterne), mit insgesamt 475,350 Sternen und durchschnittlich 7,202 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.