#bert Repositorios
Descubre 109 repositorios activos de código abierto de GitHub etiquetados con #bert, que acumulan 287,319 estrellas en total (una media de 2,635 estrellas por proyecto). El líder de este tema es datawhalechina/leedl-tutorial, con 16,879 estrellas.
109 repositorios en total
《Tutorial de Aprendizaje Profundo de Li Hongyi》(Recomendado por el profesor Li Hongyi 👍, Apple Books 🍎), Enlace de descarga PDF: https://github.com/datawhalechina/leedl-tutorial/releases
Tutorial de Procesamiento del Lenguaje Natural para Investigadores en Deep Learning
Biblioteca LLM y SLM potente y fácil de usar con un increíble zoológico de modelos.
🏄 Incrustación escalable, razonamiento, clasificación para imágenes y oraciones con CLIP
Este repositorio contiene demostraciones que hice con la biblioteca Transformers de HuggingFace.
💥 Tokenizadores de vanguardia rápidos optimizados para investigación y producción
Preentrenamiento con Máscara de Palabra Completa para BERT Chino (Serie de modelos Chinese BERT-wwm)
Aprovechamiento de BERT y c-TF-IDF para crear temas fácilmente interpretables.
Modelos NLP Chinos Preentrenados Impresionantes, Colección de Modelos Preentrenados Chinos de Alta Calidad & Modelos Grandes & Modelos Multimodales & Modelos de Lenguaje Grandes
Desarrollado por Turing's Cat, la primera generación de IA creativa, basada en GPT2.0 de código abierto | Escalable, evolutivo
Tutoriales para comenzar con PyTorch y TorchText para análisis de sentimientos.
Benchmark de Evaluación de Comprensión del Lenguaje Chino: conjuntos de datos, líneas base, modelos preentrenados, corpus y tabla de clasificación
Este repositorio contiene principalmente notas de lectura de artículos de conferencias de primer nivel relacionados con la ingeniería de algoritmos de PLN.
Soluciones de PNL chinas (grandes modelos, datos, modelos, entrenamiento, inferencia)
🧠💬 Artículos que escribí sobre aprendizaje automático, archivados desde MachineCurve.com.
Introducción rápida a la teoría y la práctica aplicada de la IA: conceptos básicos, Transformer, NLP, ML, DL, competiciones. Incluye abundantes comentarios y conjuntos de datos, con el objetivo de que todos puedan entender y reproducir.
Cursos introductorios de aprendizaje profundo, cursos avanzados, cursos especiales, casos académicos, casos de práctica industrial, enciclopedia de conocimiento de aprendizaje profundo y banco de preguntas de entrevista El curso, caso y conocimiento de Deep Learning y AI
Top2Vec aprende conjuntamente vectores de temas, documentos y palabras incrustados.
Marco de modelos de preentrenamiento de código abierto en PyTorch & Zoológico de modelos preentrenados
Pipelines de NLP nativos de Rust listos para usar y modelos basados en transformadores (BERT, DistilBERT, GPT2, ...)
Modelos base Chinese-LLaMA 1&2, Chinese-Falcon; Modelo de diálogo chino ChatFlow; Modelo Chinese-OpenLLaMA; Conjuntos de datos de pre-entrenamiento/ajuste fino de instrucciones NLP
queremos crear un repo para ilustrar el uso de transformers en chino
Una biblioteca unificada para el aprendizaje por transferencia eficiente en parámetros y modular
Tutoriales de Jupyter Notebook para resolver problemas del mundo real con Machine Learning & Deep Learning usando PyTorch. Temas: Detección de rostros con Detectron 2, Detección de anomalías en series temporales con LSTM Autoencoders, Detección de objetos con YOLO v5, Construye tu primera Neural Network, Pronóstico de series temporales para casos diarios de Coronavirus, Análisis de sentimientos con BER
Kit de herramientas para aprendizaje automático, procesamiento de lenguaje natural y generación de texto en TensorFlow. Esto es parte del proyecto CASL: http://casl-project.ai/
Kashgari es un marco de aprendizaje por transferencia NLP de nivel de producción construido sobre tf.keras para etiquetado de texto y clasificación de texto, incluye Word2Vec, BERT y GPT2 Language Embedding.
Un benchmark heterogéneo para la recuperación de información. Fácil de usar, evalúe sus modelos en más de 15 conjuntos de datos de IR diversos.
Colección de codificadores-decodificadores de ALIbaba del laboratorio MinD (Machine Intelligence of Damo)
[CVPR 2021] Implementación oficial de PyTorch para Transformer Interpretability Beyond Attention Visualization, un nuevo método para visualizar clasificaciones mediante redes basadas en Transformer.
Biblioteca autónoma de Machine Learning y Procesamiento del Lenguaje Natural en Go
Clasificación de texto largo en chino, clasificación de oraciones cortas, clasificación multietiqueta, similitud de dos oraciones (Chinese Text Classification of Keras NLP, multi-label classify, or sentence classify, long or short), capa de incrustación de vectores de caracteres/palabras/oraciones (embeddings) y capa de red (graph) clase base de construcción, FastText, TextCNN, CharCNN, TextRNN, RCNN, DCNN, DPCNN, VDCNN, CRNN, Bert, Xlnet, Albert, Attention, DeepMoji, HAN, Red de Cápsulas-CapsuleNet, Transformer-encode, Seq2seq, SWEM, LEAM, TextGCN
Seguimiento, investigación y aplicación de tecnologías de vanguardia como el procesamiento del lenguaje natural, los grafos de conocimiento, los modelos de lenguaje de gran tamaño y los agentes.
PaddleSlim es una biblioteca de código abierto para la compresión de modelos profundos y la búsqueda de arquitecturas.
un entorno de ejecución rápido y fácil de usar para la inferencia de transformadores (Bert, Albert, GPT2, Decoders, etc.) en CPU y GPU.
Este proyecto diseñó e implementó un sistema inteligente de preguntas y respuestas médicas basado en RAG (Generación Aumentada por Recuperación) con grafos de conocimiento y grandes modelos de lenguaje. Basado en el conjunto de datos médico DiseaseKG y utilizando Neo4j, el sistema construye un grafo de conocimiento de dominio que incluye 44.000 entidades y 310.000 relaciones. Al combinar el reconocimiento de entidades nombradas BERT con el reconocimiento de intención mediante un modelo 32B, el sistema mitiga eficazmente las alucinaciones de los grandes modelos en escenarios médicos mediante una búsqueda precisa en el grafo y una generación controlada de respuestas, mejorando significativamente la precisión y fiabilidad de las mismas.
🛸 Usa transformadores preentrenados como BERT, XLNet y GPT-2 en spaCy
Preguntas frecuentes
¿Cuál es el repositorio de #bert más popular en GitHub?
El proyecto de código abierto de #bert mejor posicionado en GitHub es datawhalechina/leedl-tutorial, con 16,879 estrellas. 《Tutorial de Aprendizaje Profundo de Li Hongyi》(Recomendado por el profesor Li Hongyi 👍, Apple Books 🍎), Enlace de descarga PDF: https://github.com/datawhalechina/leedl-tutorial/releases
¿Qué lenguajes de programación se utilizan más en los repositorios de #bert?
Entre los proyectos de #bert mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C++, Rust.
¿Cómo se calcula la clasificación de los repositorios de #bert?
Seguimos 109 repositorios activos de código abierto etiquetados con #bert (500+ estrellas), que suman un total de 287,319 estrellas, con una media de 2,635 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.