#transformer Repositorios
Descubre 208 repositorios activos de código abierto de GitHub etiquetados con #transformer, que acumulan 1,197,728 estrellas en total (una media de 5,758 estrellas por proyecto). El líder de este tema es huggingface/transformers, con 169,339 estrellas.
208 repositorios en total
🤗 Transformers: el framework de definición de modelos para modelos de machine learning de vanguardia en texto, visión, audio y modelos multimodales, tanto para inferencia como para entrenamiento.
Un motor de inferencia y servicio para LLM de alto rendimiento y eficiente en memoria
🧑🏫 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, ... 🧠
Modificación de modelos de lenguaje sin entrenamiento: eliminar la censura, reducir el contenido de baja calidad y la adulación, y mucho más
SGLang es un marco de servicio de alto rendimiento para modelos de lenguaje grandes y modelos multimodales.
Una lista clasificada de fantásticas bibliotecas de Python para aprendizaje automático. Actualizado semanalmente.
Colección de artículos y proyectos de código abierto de CVPR 2026
《Redes neuronales y aprendizaje profundo》 de Qiu Xipeng, segunda edición y edición de divulgación general: libro electrónico, índice de capítulos, recursos de aprendizaje y erratas.
FreeToken lleva el servicio de modelos a escala de centro de datos a tu escritorio. Ejecuta modelos masivos localmente, de forma rápida y eficiente.
《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
MNN: Un motor de inferencia ultrarrápido y ligero, probado en combate por Alibaba, impulsando LLMs y Edge AI de alto rendimiento en dispositivos.
pix2tex: Usando un ViT para convertir imágenes de ecuaciones en código LaTeX.
Tutorial de Procesamiento del Lenguaje Natural para Investigadores en Deep Learning
RWKV (pronunciado RwaKuv) es un RNN con un gran rendimiento de LLM, que también se puede entrenar directamente como un transformer GPT (paralelizable). Estamos en RWKV-7 "Goose". Por lo tanto, combina lo mejor de RNN y transformer: gran rendimiento, tiempo lineal, espacio constante (sin caché kv), entrenamiento rápido, ctx_len infinito y incrustación de oraciones gratuita.
Un potente cliente HTTP para Dart y Flutter, que soporta configuraciones globales, Interceptors, FormData, aborto y cancelación de solicitudes, carga y descarga de archivos, tiempo de espera de solicitudes, adaptadores personalizados, etc.
Kit de herramientas de voz fácil de usar que incluye modelo de aprendizaje auto-supervisado, ASR en streaming/SOTA con puntuación, TTS en streaming con frontend de texto, sistema de verificación de hablante, traducción de voz de extremo a extremo y detección de palabras clave. Ganó el premio al Mejor Demo de NAACL2022.
Un modelo Kimi K3 de 2,78 billones de parámetros ejecutando inferencia en una sola CPU con 8,24 GB de RAM. C99 portátil: sin BLAS, sin framework, sin GPU.
Inferencia de generación de texto de modelos de lenguaje grandes
Traducir manga/imágenes: traduce con un solo clic el texto de todo tipo de imágenes https://cotrans.touhou.ai/ https://greasyfork.org/en/scripts/437569-cotrans-manga-image-translator-regular-edition
Ejecuta LLMs en casa, al estilo BitTorrent. Ajuste fino e inferencia hasta 10 veces más rápido que la descarga.
Biblioteca de segmentación de imágenes fácil de usar con un impresionante zoológico de modelos preentrenados, que soporta una amplia gama de tareas prácticas en Semantic Segmentation, Interactive Segmentation, Panoptic Segmentation, Image Matting, 3D Segmentation, etc.
Un kit de herramientas extensible para el ajuste fino y la inferencia de grandes modelos fundacionales. Grandes modelos para todos.
Un marco para la inferencia de modelo eficiente con modelos de omnimodalidad
Versión en chino del código de entrenamiento de GPT2, utilizando el tokenizador BERT.
🔍 Un Framework Multiagente Basado en LLM para Motores de Búsqueda Web (como Perplexity.ai Pro y SearchGPT)
Una capa de decisión abierta y programable para modelos y computación.
El repositorio de GitHub para el artículo "Informer" aceptado por AAAI 2021.
Cuantización de 2 bits, kernels y entorno de ejecución para dispositivos de consumo.
Series temporales Timeseries Deep Learning Machine Learning Python Pytorch fastai | Biblioteca de Deep Learning de vanguardia para Series Temporales y Secuencias en Pytorch / fastai
Tutoriales sobre la implementación de algunos modelos sequence-to-sequence (seq2seq) con PyTorch y TorchText.
【Tres años de entrevistas, cinco años de simulacros】Plataforma de recursos para entrevistas de ingenieros de algoritmos de AIGC/LLM/AI Agent. Incluye conocimientos prácticos y experiencias clave para entrevistas y exámenes escritos, así como conocimientos fundamentales de vigencia transversal en la industria de la IA, abarcando AIGC, grandes modelos de lenguaje (LLM), agentes de IA, inteligencia incorporada, aprendizaje profundo tradicional, visión por computador, procesamiento del lenguaje natural, conducción autónoma, aprendizaje automático, aprendizaje por refuerzo, minería de big data, modelos del mundo, metaverso, AGI y mucho más.
SwinIR: Restauración de imágenes utilizando Swin Transformer (repositorio oficial)
Kit de herramientas de reconocimiento de voz de extremo a extremo de producción primero y listo para producción
Una lista finalmente completa de artículos sobre Vision Transformer/Attention, que incluye artículos, códigos y sitios web relacionados
Memoria condicional mediante búsqueda escalable: Un nuevo eje de esparsidad para modelos de lenguaje grandes
La biblia definitiva para iniciarse en la IA, sin oscuridades ni elitismos, fácil de dominar tanto para estudiantes como para ingenieros. Abarca desde redes neuronales hasta grandes modelos, desde el diseño de alto nivel hasta los principios microscópicos, y desde la implementación técnica hasta los fundamentos algorítmicos. Al terminar, entenderás perfectamente por qué la predicción del siguiente token, una capacidad aparentemente insignificante, puede cambiar el mundo, y descubrirás que la IA no es tan misteriosa ni inalcanzable como pensabas. Let's just beat it!
Backbones de IA eficientes que incluyen GhostNet, TNT y MLP, desarrollados por Huawei Noah's Ark Lab.
Preguntas frecuentes
¿Cuál es el repositorio de #transformer más popular en GitHub?
El proyecto de código abierto de #transformer mejor posicionado en GitHub es huggingface/transformers, con 169,339 estrellas. 🤗 Transformers: el framework de definición de modelos para modelos de machine learning de vanguardia en texto, visión, audio y modelos multimodales, tanto para inferencia como para entrenamiento.
¿Qué lenguajes de programación se utilizan más en los repositorios de #transformer?
Entre los proyectos de #transformer mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, C++, Jupyter Notebook, JavaScript.
¿Cómo se calcula la clasificación de los repositorios de #transformer?
Seguimos 208 repositorios activos de código abierto etiquetados con #transformer (500+ estrellas), que suman un total de 1,197,728 estrellas, con una media de 5,758 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.