#transformers Repositories
Insgesamt 273 Repositories
Kuratierter visueller Katalog mit über 200 Architekturen von Vision-Language-Modellen (VLM/MLLM): Fachartikel, Diagramme, Trainingsrezepte, Datensätze und ein Veröffentlichungszeitplan für multimodale KI-Agenten.
Der umfassendste Lernpfad für Agent Engineers · KI-Engineering von Grund auf meistern · 20 Phasen, 542 Lektionen · Vollständige chinesische Übersetzung + begleitende Website + animierte Erklärvideos · Leitfaden zum KI-Agent-Engineer
Eine Sammlung von Ressourcen zu Anwendungen von Transformatoren in der medizinischen Bildgebung.
Toolkit zur Quantisierung (Komprimierung) von LLM-Modellen mit Hardwarebeschleunigung für Nvidia CUDA, AMD ROCm, Intel XPU, Tenstorrent, Huawei-Ascend-NPUs und Intel-/AMD-/Apple-CPUs über HF, vLLM und SGLang.
Lokaler Datenschutz: Anonymisieren Sie Ihre Dokumente, bevor Sie sie mit LLMs teilen.
Ein Machine-Learning-Einstieg, aufgebaut aus ersten Prinzipien. Für Ingenieure, die über ML-Systeme genauso nachdenken wollen wie über Software-Systeme.
[CVPR'25] Tora: Trajektorienorientierter Diffusions-Transformer für die Videogenerierung
Paper wurde bei CIKM 2024 angenommen. Codes von GongBU, einer LLM-Fine-Tuning-Plattform für domänenspezifische Anpassung.
Einfaches Go-Dienstprogramm zum Herunterladen von HuggingFace-Modellen und -Datensätzen
Feinabstimmung des Whisper-Spracherkennungsmodells zur Unterstützung des Trainings ohne Zeitstempeldaten, des Trainings mit Zeitstempeldaten und des Trainings ohne Sprachdaten. Beschleunigung der Inferenz und Unterstützung für Web-Bereitstellungen, Windows-Desktop-Bereitstellungen und Android-Bereitstellungen
Framework für neuronale Netzwerkkompression für verbesserte OpenVINO™-Inferenz
Kimi-VL: Mixture-of-Experts Vision-Language Model für multimodales Schlussfolgern, Langkontext-Verständnis und starke Agentenfähigkeiten
Eine Deep-Learning-Bibliothek für die Klassifizierung von EEG-Aufgaben (Signalen), basierend auf TensorFlow.
DataDreamer: Anweisung. Synthetische Daten generieren. Modelle trainieren und ausrichten. 🤖💤
Offizielle Veröffentlichung von Code und Checkpoints für Foundation Models für mobile Roboter: GNM, ViNT und NoMaD.
Vom Tensor zum Stable Diffusion: Eine grobe Gliederung für einen 10-wöchigen Kurs.
[ICLR'24 Spotlight] Chinesische und Englische multimodale Großmodelle Serie (Chat und Paint) | Chinesisch-Englische zweisprachige multimodale große Modelle-Serie basierend auf dem CPM-Basismodell
🤗 Eine Liste wunderbarer Open-Source-Projekte und Anwendungen, die mit Hugging Face-Bibliotheken integriert sind.
Ein transparentes Generalistenmodell für ein ganzheitliches medizinisches Bild-Sprach-Verständnis
Implementierung von Band Split Roformer, einem SOTA-Aufmerksamkeitsnetzwerk für die Musikquellentrennung aus den ByteDance AI Labs
LLMs-Tuning ohne Tränen💦; Sample Design Engineering (SDE) für effizienteres Downstream-Tuning.
Alle Stanford Cheatsheets: Künstliche Intelligenz, Transformer, LLMs, Deep Learning, Maschinelles Lernen, Wahrscheinlichkeiten, Statistik, Algebra und Analysis.
[ICCV 2025] Von allem zu Meshes wie menschliche Künstler. Offizielle Impl. von "MeshAnything V2: Artist-Created Mesh Generation With Adjacent Mesh Tokenization"
Eine Zeile für Tausende von hochmodernen NLP-Modellen in Hunderten von Sprachen. Der schnellste und genaueste Weg, Textprobleme zu lösen.
Prefix-Tuning: Optimierung kontinuierlicher Prompts für die Generierung
Branchenweites Video-Grundlagenmodell für die einheitliche Generierung von Text-zu-Video (T2V) und Bild-zu-Video (I2V).
Transformer-Modelle von BERT bis GPT-4, Umgebungen von Hugging Face bis OpenAI. Beispiele für Fine-Tuning, Training und Prompt Engineering. Ein Bonus-Abschnitt mit ChatGPT, GPT-3.5-turbo, GPT-4 und DALL-E, einschließlich Jumpstarting von GPT-4, Speech-to-Text, Text-to-Speech, Text-zu-Bild-Generierung mit DALL-E, Google Cloud AI, HuggingGPT und mehr.
Offizielle Implementierung der Arbeiten "GECToR – Grammatical Error Correction: Tag, Not Rewrite" (BEA-20) und "Text Simplification by Tagging" (BEA-21)
Tiefgehender Rechercheagent, der Ihnen hilft, die besten GitHub-Repositorys zu finden 🕵️!
Implementierung von Muse: Text-zu-Bild-Generierung über maskierte generative Transformer in Pytorch
Ein minimalistisches SOTA LaTeX OCR-Modell mit nur 20M Parametern, das im Browser läuft. Die vollständige Trainings-Pipeline steht zur Selbst-Reproduktion zur Verfügung. | Leichtgewichtiges SOTA LaTeX Formel-Erkennungsmodell mit nur 20M Parametern, das im Browser läuft. Der gesamte Trainings-Workflow-Code ist für das Selbststudium und die Reproduktion Open Source.
Dieses Repository ist die Basis für einen Community-gesteuerten Kurs über Computer Vision mit neuronalen Netzen. Treten Sie uns gerne auf dem Hugging Face Discord bei: hf.co/join/discord
TriplaneGaussian: Eine neue hybride Darstellung für die Einzelbild-3D-Rekonstruktion.
Über Dieses Repository ist eine kuratierte Sammlung der aufregendsten und einflussreichsten CVPR 2025-Paper. 🔥 [Paper + Code + Demo]