#seq2seq Repositorios
Descubre 25 repositorios activos de código abierto de GitHub etiquetados con #seq2seq, que acumulan 56,290 estrellas en total (una media de 2,251 estrellas por proyecto). El líder de este tema es emilwallner/Screenshot-to-code, con 16,517 estrellas.
25 repositorios en total
Una red neuronal que transforma un mock-up de diseño en un sitio web estático.
Tutoriales sobre la implementación de algunos modelos sequence-to-sequence (seq2seq) con PyTorch y TorchText.
Juega con pareados usando el modelo seq2seq. Compone pareados con aprendizaje profundo.
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.
Grandes Modelos Conceptuales: Modelado del lenguaje en un espacio de representación de oraciones
Impresionantes proyectos de chatbot, corpus, artículos, tutoriales. Chatbot chino =>:
DELTA es una plataforma de procesamiento de lenguaje natural y voz basada en aprendizaje profundo. LF AI & DATA Projects: https://lfaidata.foundation/projects/delta/
Transformers4Rec es una biblioteca flexible y eficiente para recomendaciones secuenciales y basadas en sesiones que funciona con PyTorch.
:art: Versión mejorada de reconocimiento de fórmulas matemáticas: Fórmulas manuscritas e impresas en chino e inglés, soporta derivación básica de símbolos (estructura de datos basada en el árbol de sintaxis abstracta de LaTeX) Math Formula OCR Pro, soporta escritura a mano, fórmulas mixtas chino-inglés y razonamiento simple de símbolos (basado en LaTeX AST).
Marco de secuencia a secuencia con enfoque en Traducción Automática Neuronal basado en PyTorch
Esta serie lo llevará en un viaje desde los fundamentos del Procesamiento del Lenguaje Natural (PLN) y la Visión por Computadora hasta la vanguardia de los Modelos de Visión y Lenguaje.
💁 Impresionante tesoro de modelos Transformer para el procesamiento del lenguaje natural contiene artículos, videos, blogs, repos oficiales junto con cuadernos de Colab. 🛫☑️
TextGen: Implementación de modelos de generación de texto, incluyen LLaMA, BLOOM, GPT2, BART, T5, SongNet y así sucesivamente. Modelos de generación de texto, implementan el entrenamiento y la predicción de modelos como LLaMA, ChatGLM, BLOOM, GPT2, Seq2Seq, BART, T5, UDA, etc., listos para usar.
1 línea para miles de modelos NLP de última generación en cientos de idiomas. La forma más rápida y precisa de resolver problemas de texto.
Código fuente para el modelo de diálogo de extremo a extremo del artículo MultiWOZ (Budzianowski et al. 2018, EMNLP)
¡Agente de investigación profunda para ayudarte a encontrar los mejores repositorios de GitHub 🕵️!
tfts: Modelos de Deep Learning para series temporales en TensorFlow
Clasificación de texto multietiqueta, clasificación multietiqueta, clasificación de texto, multietiqueta, clasificador, clasificación de texto, BERT, seq2seq, attention, clasificación multietiqueta
Modelo Seq2Seq minimalista con atención para traducción automática neuronal en PyTorch
Generación de comandos Bash a partir del lenguaje natural https://arxiv.org/abs/1802.08979
Preguntas frecuentes
¿Cuál es el repositorio de #seq2seq más popular en GitHub?
El proyecto de código abierto de #seq2seq mejor posicionado en GitHub es emilwallner/Screenshot-to-code, con 16,517 estrellas. Una red neuronal que transforma un mock-up de diseño en un sitio web estático.
¿Qué lenguajes de programación se utilizan más en los repositorios de #seq2seq?
Entre los proyectos de #seq2seq mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, HTML, NewLisp.
¿Cómo se calcula la clasificación de los repositorios de #seq2seq?
Seguimos 25 repositorios activos de código abierto etiquetados con #seq2seq (500+ estrellas), que suman un total de 56,290 estrellas, con una media de 2,251 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.