#vector-quantization Repositories
Entdecke 15 aktive Open-Source-GitHub-Repositories, die mit #vector-quantization getaggt sind und insgesamt 33,956 Sterne gesammelt haben (durchschnittlich 2,263 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist openai/DALL-E mit 10,872 Sternen.
Insgesamt 15 Repositories
Kimi-Audio, ein Open-Source-Audiofundierungsmodell, das sich in Audioverständnis, -generierung und -gesprächen auszeichnet
Eine kuratierte Sammlung von Fachartikeln, Benchmarks, Übersichtsarbeiten und Tools zur Modellquantisierung, die Low-Bit-Netzwerke, LLMs, multimodale und generative Modelle, Vektor- und Gitterquantisierung sowie eine effiziente Bereitstellung abdeckt.
:red_circle: MiniSom ist eine minimalistische Implementierung der Self Organizing Maps
Ein offenes Grundlagenmodell und Benchmark zur Beschleunigung generativer Empfehlung
[ICLR 2024 Spotlight] Großes Gehirnmodell zum Erlernen generischer Repräsentationen mit enormen EEG-Daten in BCI
Pytorch-Implementierung von VQGAN (Taming Transformers für hochauflösende Bildsynthese) (https://arxiv.org/pdf/2012.09841.pdf)
Häufig gestellte Fragen
Welches ist das beliebteste #vector-quantization-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#vector-quantization-Projekt auf GitHub ist openai/DALL-E mit 10,872 Sternen. PyTorch-Paket für das diskrete VAE, das für DALL·E verwendet wird.
Welche Programmiersprachen werden in #vector-quantization-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #vector-quantization-Projekten auf GitHub sind Python, C++ die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #vector-quantization-Repositories berechnet?
Wir verfolgen 15 aktive Open-Source-Repositories, die mit #vector-quantization getaggt sind (500+ Sterne), mit insgesamt 33,956 Sternen und durchschnittlich 2,263 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.