#transformers Repositories
Insgesamt 273 Repositories
Implementierung / Replikation von DALL-E, OpenAIs Text-zu-Bild-Transformer, in Pytorch
Superduper: End-to-End-Framework zum Erstellen benutzerdefinierter KI-Anwendungen und -Agenten.
Eine Machine-Learning-Software zur Extraktion von Informationen aus wissenschaftlichen Dokumenten
Die Open‑Source-Forschungsumgebung für KI-Forscher, die es ermöglicht, Modelle nahtlos zu trainieren, zu evaluieren und von lokaler Hardware bis hin zu GPU‑Clustern zu skalieren.
"Leitfaden zum Aufbau einer Big-Model-White-Box": Ein komplett von Hand erstelltes Tiny-Universe
VIP-Spickzettel für Stanfords CME 295 Transformatoren und große Sprachmodelle
ACE-Step: Ein Schritt in Richtung eines grundlegenden Modells für die Musikgenerierung
🌟100+ Originale LLM / RL-Diagramme 📚, präsentiert vom Autor von "Large Model Algorithms"! 💥 (100+ LLM/RL Algorithmus-Karten)
Eine letztlich umfassende Liste von Papieren zu Vision Transformer/Attention, einschließlich Papieren, Codes und verwandter Websites
Prompt Engineering, Generative KI und LLM-Leitfaden von Learn Prompting | Treten Sie unserem Discord bei, um die größte Lern-Community für Prompt Engineering zu finden
Prompt-Engineering | Prompt-Versioning | Verwenden Sie GPT oder andere Prompt-basierte Modelle, um strukturierte Ausgaben zu erhalten. Treten Sie unserem Discord für Prompt-Engineering, LLMs und andere neueste Forschung bei
Tutorials zum Einstieg in PyTorch und TorchText für die Sentiment-Analyse.
⚡️SwanLab - ein Open-Source-Tool zur KI-Trainingsverfolgung und -visualisierung mit modernem Design. Unterstützt Cloud- / selbst gehostete Nutzung. Integriert mit PyTorch / Transformers / verl / LLaMA Factory / ms-swift / Ultralytics / MMEngine / Keras usw.
Chinesisches Sprachverständnis-Bewertungsbenchmark: Datensätze, Baselines, vortrainierte Modelle, Corpus und Leaderboard
Transformers für Information Retrieval, Textklassifikation, NER, QA, Sprachmodellierung, Sprachgenerierung, T5, Multi-Modal und konversationelle KI
Baue ein modernes LLM von Grund auf. Jede Zeile kommentiert. Erklärt wie für Fünfjährige.
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.
VILA ist eine Familie hochmoderner Vision-Language-Models (VLMs) für vielfältige multimodale KI-Aufgaben im Edge-, Rechenzentrums- und Cloud-Bereich.
Scenic: Eine Jax-Bibliothek für Computer Vision Forschung und darüber hinaus
Multi-LoRA-Inferenzserver, der bis zu Tausende von feinabgestimmten LLMs skaliert
Chinesische NLP-Lösungen (große Modelle, Daten, Modelle, Training, Inferenz)
Führen Sie das GPT-Modell mit WebGPU im Browser aus. Eine Implementierung der GPT-Inferenz in weniger als ~1500 Zeilen reinem Javascript.
🧠💬 Artikel, die ich über maschinelles Lernen geschrieben habe, archiviert von MachineCurve.com.
Schritt-für-Schritt-Anleitung für die Huggingface Transformers Kursvideos, die gleichzeitig auf Bilibili und YouTube aktualisiert werden
Beschleunigen Sie Inferenz und Training von 🤗 Transformers, Diffusers, TIMM und Sentence Transformers mit einfach zu bedienenden Hardware-Optimierungswerkzeugen
[CVPR 2023] DepGraph: Zu beliebiger struktureller Beschneidung; LLMs, Vision Foundation Models usw.
DeepSeekMath: Das Erweitern der Grenzen des mathematischen Denkens in offenen Sprachmodellen
Eine professionell kuratierte Liste großartiger Ressourcen (Paper, Code, Daten usw.) zu Transformatoren in Zeitreihen.
Mehrsprachige automatische Spracherkennung mit Wort-Timestamps und Konfidenz
Optische Zeichenerkennung für japanischen Text, mit dem Hauptaugenmerk auf japanischen Manga
Eine einheitliche Bibliothek für parametereffizientes und modulares Transferlernen
Eine Spielwiese zum Generieren von Bildern aus beliebigen Textbeschreibungen mit Stable Diffusion (zuvor: mit DALL-E Mini)
Optimierung des Fine-Tuning-Prozesses für multimodale Modelle: PaliGemma 2, Florence-2 und Qwen2.5-VL
LeetCode für PyTorch — 65 ML-/KI-Interviewaufgaben aus echten Vorstellungsgesprächen bei Google, Meta und Anthropic. Jupyter-Notebooks, ein automatischer Bewerter und ein MCP-KI-Tutor.
Native Apple-MLX-Implementierungen modernster generativer Bild- und Videomodelle
Implementierung von AudioLM, einem SOTA Language Modeling Ansatz zur Audiogenerierung aus Google Research, in Pytorch
CodeGeeX4-ALL-9B, ein vielseitiges Modell für alle KI-Softwareentwicklungsszenarien, einschließlich Codevervollständigung, Code-Interpreter, Websuche, Funktionsaufrufe, repository-weite Fragen und Antworten und vieles mehr.