#attention Repositorios
Descubre 29 repositorios activos de código abierto de GitHub etiquetados con #attention, que acumulan 203,649 estrellas en total (una media de 7,022 estrellas por proyecto). El líder de este tema es labmlai/annotated_deep_learning_paper_implementations, con 67,780 estrellas.
29 repositorios en total
🧑🏫 60+ Implementaciones/tutoriales de artículos de aprendizaje profundo con notas una al lado de la otra 📝; incluyendo transformers (original, xl, switch, feedback, vit, ...), optimizadores (adam, adabelief, sophia, ...), gans (cyclegan, stylegan2, ...), 🎮 aprendizaje por refuerzo (ppo, dqn), capsnet, destilación, ... 🧠
SGLang es un marco de servicio de alto rendimiento para modelos de lenguaje grandes y modelos multimodales.
Una reconstrucción teórica de la arquitectura del Mito de Claude, construida desde primeros principios utilizando la literatura de investigación disponible.
Tutorial de Procesamiento del Lenguaje Natural para Investigadores en Deep Learning
🍀 Implementación en Pytorch de varios mecanismos de Atención, MLP, Re-parametrización, Convolución, que son útiles para comprender mejor los artículos.⭐⭐⭐
Una implementación en PyTorch del modelo Transformer en "Attention is All You Need".
Tutoriales sobre la implementación de algunos modelos sequence-to-sequence (seq2seq) con PyTorch y TorchText.
Este repositorio contiene principalmente notas de lectura de artículos de conferencias de primer nivel relacionados con la ingeniería de algoritmos de PLN.
[ICLR2025, ICML2025, NeurIPS2025 Spotlight] La Atención Cuantificada (Quantized Attention) logra una aceleración de 2 a 5 veces en comparación con FlashAttention, sin perder métricas de extremo a extremo en modelos de lenguaje, imagen y video.
Scenic: Una biblioteca Jax para la investigación en visión por computadora y más allá
Una compilación de los mejores artículos sobre agentes múltiples
Este es un repositorio de Pytorch de YOLOv4, attentive YOLOv4 y mobilenet YOLOv4 con PASCAL VOC y COCO
Implementación Pytorch de Transfusion, "Predice el siguiente token y difunde imágenes con un único modelo multimodal" de MetaAI
[ICML2025] SpargeAttention: Una atención dispersa sin entrenamiento que acelera la inferencia de cualquier modelo.
Replicación de proyectos simples de CV que incluyen atención, clasificación, detección, detección de puntos clave, etc.
Construye tu propio motor de inferencia LLM de alto rendimiento en C++ y CUDA - una versión más pequeña de vLLM
cuDNN Frontend es el punto de entrada moderno y de código abierto de NVIDIA a la biblioteca cuDNN y a una creciente colección de kernels de código abierto de alto rendimiento.
Una biblioteca PyTorch para todo lo relacionado con el aprendizaje por refuerzo (RL) para la optimización combinatoria (CO)
Implementación del patrón de atención dispersa propuesto por el equipo de Deepseek en su artículo "Native Sparse Attention"
Clasificación de texto multietiqueta, clasificación multietiqueta, clasificación de texto, multietiqueta, clasificador, clasificación de texto, BERT, seq2seq, attention, clasificación multietiqueta
Implementación de atención plug-and-play de "LongNet: Escalando Transformers a 1.000.000.000 de tokens"
EEG Transformer 2.0. i. Transformer Convolucional para Decodificación de EEG. ii. Nueva visualización - Topografía de Activación de Clase.
Logra el paso de inferencia de llama3 paso a paso, comprende los conceptos centrales, domina la derivación del proceso, implementa el código.
Keras beit,caformer,CMT,CoAtNet,convnext,davit,dino,efficientdet,edgenext,efficientformer,efficientnet,eva,fasternet,fastervit,fastvit,flexivit,gcvit,ghostnet,gpvit,hornet,hiera,iformer,inceptionnext,lcnet,levit,maxvit,mobilevit,moganet,nat,nfnets,pvt,swin,tinynet,tinyvit,uniformer,volo,vanillanet,yolor,yolov7,yolov8,yolox,gpt2,llama2, alias kecam
La implementación oficial de PyTorch del artículo "SAITS: Imputación basada en Auto-Atención para Series Temporales". Un modelo de red neuronal de aprendizaje profundo rápido y de vanguardia (SOTA) para la imputación eficiente de series temporales (imputar series temporales multivariadas incompletas que contienen datos/valores faltantes NaN con aprendizaje automático). https://arxiv.org/abs/2202.08516
Diseña arquitecturas de modelos compatibles con el hardware y migra los LLM existentes con una pérdida mínima de rendimiento
Preguntas frecuentes
¿Cuál es el repositorio de #attention más popular en GitHub?
El proyecto de código abierto de #attention mejor posicionado en GitHub es labmlai/annotated_deep_learning_paper_implementations, con 67,780 estrellas. 🧑🏫 60+ Implementaciones/tutoriales de artículos de aprendizaje profundo con notas una al lado de la otra 📝; incluyendo transformers (original, xl, switch, feedback, vit, ...), optimizadores (adam, adabelief, sophia, ...), gans (cyclegan, stylegan2, ...), 🎮 aprendizaje por refuerzo (ppo, dqn), capsnet, destilación, ... 🧠
¿Qué lenguajes de programación se utilizan más en los repositorios de #attention?
Entre los proyectos de #attention mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, Cuda, C++.
¿Cómo se calcula la clasificación de los repositorios de #attention?
Seguimos 29 repositorios activos de código abierto etiquetados con #attention (500+ estrellas), que suman un total de 203,649 estrellas, con una media de 7,022 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.