#transformers Repositorios
273 repositorios en total
Catálogo visual seleccionado de más de 200 arquitecturas de modelos de visión y lenguaje (VLM/MLLM): artículos, diagramas, recetas de entrenamiento, conjuntos de datos y una cronología de lanzamientos de agentes de IA multimodales.
La ruta de aprendizaje más completa para ingenieros de agentes · Domina la ingeniería de IA desde cero · 20 etapas y 542 lecciones · Traducción completa al chino + sitio web complementario + vídeos explicativos animados · Guía para convertirse en ingeniero de agentes de IA
Una colección de recursos sobre aplicaciones de Transformers en imágenes médicas.
Kit de herramientas para la cuantización (compresión) de modelos LLM, con aceleración por hardware para Nvidia CUDA, AMD ROCm, Intel XPU, Tenstorrent, NPU Huawei Ascend y CPU Intel/AMD/Apple mediante HF, vLLM y SGLang.
Protección de privacidad local: anonimice sus documentos antes de compartirlos con LLM.
Un primer de aprendizaje automático construido desde primeros principios. Para ingenieros que quieren razonar sobre sistemas de ML de la misma manera que razonan sobre sistemas de software.
[CVPR'25] Tora: Transformer de difusión orientado a trayectorias para la generación de video
Artículo aceptado por CIKM 2024. Códigos de GongBU, una plataforma de fine-tuning de LLM para adaptación específica a dominio.
Utilidad Go simple para descargar modelos y conjuntos de datos de HuggingFace
Ajuste fino del modelo de reconocimiento de voz Whisper para admitir entrenamiento sin datos de marca de tiempo, entrenamiento con datos de marca de tiempo y entrenamiento sin datos de voz. Acelerar la inferencia y admitir el despliegue web, el despliegue en escritorio de Windows y el despliegue en Android
Framework de compresión de redes neuronales para una inferencia OpenVINO™ mejorada
Kimi-VL: Modelo Visión-Lenguaje de Mezcla de Expertos para Razonamiento Multimodal, Comprensión de Largo Contexto y Fuertes Capacidades de Agente
Modelos Fundacionales Multimodales de Vanguardia para la Comprensión de Imágenes y Videos
Una biblioteca de aprendizaje profundo para la clasificación de tareas (señales) de EEG, basada en TensorFlow.
DataDreamer: Prompt. Generar datos sintéticos. Entrenar y alinear modelos. 🤖💤
Lanzamiento oficial del código y los puntos de control para modelos fundamentales de robots móviles: GNM, ViNT y NoMaD.
Desde Tensor hasta Stable Diffusion, un esquema aproximado para un curso de 10 semanas.
[ICLR'24 spotlight] Serie de Grandes Modelos Multimodales Chino e Inglés (Chat y Pintura) | Serie de Grandes Modelos Multimodales Bilingües Chino-Inglés Basada en el Modelo Base CPM
🤗 Una lista de maravillosos proyectos y aplicaciones de código abierto integrados con las bibliotecas de Hugging Face.
Un Modelo Generalista Transparente hacia la Comprensión Holística Visión-Lenguaje Médica
Implementación de Band Split Roformer, una red de atención SOTA para la separación de fuentes musicales de ByteDance AI Labs
Ajuste de LLM sin lágrimas💦; Sample Design Engineering (SDE) para una optimización descendente más eficiente.
Todas las Hojas de Trucos de Stanford: Inteligencia Artificial, Transformers, LLM, Deep Learning, Machine Learning, Probabilidades, Estadística, Álgebra y Cálculo.
[ICCV 2025] De todo a malla como artistas humanos. Impl. oficial de "MeshAnything V2: Artist-Created Mesh Generation With Adjacent Mesh Tokenization"
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.
Prefix-Tuning: Optimización de indicaciones continuas para la generación
MAT: Transformer consciente de la máscara para el inpainting de imágenes con agujeros grandes
Modelo de base de video a nivel de industria para la generación unificada de texto a video (T2V) e imagen a video (I2V).
Modelos Transformer de BERT a GPT-4, entornos de Hugging Face a OpenAI. Ejemplos de ajuste fino, entrenamiento e ingeniería de prompts. Una sección adicional con ChatGPT, GPT-3.5-turbo, GPT-4 y DALL-E, que incluye el inicio rápido de GPT-4, voz a texto, texto a voz, generación de texto a imagen con DALL-E, Google Cloud AI, HuggingGPT y más.
Implementación oficial de los artículos "GECToR – Grammatical Error Correction: Tag, Not Rewrite" (BEA-20) y "Text Simplification by Tagging" (BEA-21)"
¡Agente de investigación profunda para ayudarte a encontrar los mejores repositorios de GitHub 🕵️!
Implementación de Muse: Generación de texto a imagen a través de transformadores generativos enmascarados en Pytorch
Un modelo OCR de LaTeX SOTA minimalista con solo 20M de parámetros, que se ejecuta en el navegador. Pipeline de entrenamiento completo disponible para auto-reproducción. | Modelo OCR de fórmula LaTeX SOTA ultraligero con solo 20M de parámetros, que se ejecuta en el navegador. Código de entrenamiento completo de código abierto para autoaprendizaje y reproducción.
Este repositorio es la base de un curso impulsado por la comunidad sobre Visión por Computadora con Redes Neuronales. Únete a nosotros en el Discord de Hugging Face: hf.co/join/discord
TriplaneGaussian: Una nueva representación híbrida para la reconstrucción 3D a partir de una sola vista.
Acerca de Este repositorio es una colección curada de los artículos más emocionantes e influyentes de CVPR 2025. 🔥 [Paper + Code + Demo]