#vector-quantization Repositorios
Descubre 15 repositorios activos de código abierto de GitHub etiquetados con #vector-quantization, que acumulan 33,956 estrellas en total (una media de 2,263 estrellas por proyecto). El líder de este tema es openai/DALL-E, con 10,872 estrellas.
15 repositorios en total
Kimi-Audio, un modelo de fundación de audio de código abierto que se destaca en la comprensión, generación y conversación de audio
Una colección seleccionada de artículos, benchmarks, revisiones y herramientas sobre la cuantización de modelos, que abarca redes de pocos bits, LLM, modelos multimodales y generativos, cuantización vectorial y de retícula, y despliegue eficiente.
:red_circle: MiniSom es una implementación minimalista de los Mapas Autoorganizados
MiMo-Audio: Los modelos de lenguaje de audio son aprendices de pocos ejemplos
Un Modelo de Fundamento Abierto y Benchmark para Acelerar la Recomendación Generativa
[Spotlight ICLR 2024] Modelo Cerebral Grande para el Aprendizaje de Representaciones Genéricas con Enormes Datos de EEG en BCI
Implementación en Pytorch de VQGAN (Taming Transformers for High-Resolution Image Synthesis) (https://arxiv.org/pdf/2012.09841.pdf)
Preguntas frecuentes
¿Cuál es el repositorio de #vector-quantization más popular en GitHub?
El proyecto de código abierto de #vector-quantization mejor posicionado en GitHub es openai/DALL-E, con 10,872 estrellas. Paquete PyTorch para el VAE discreto utilizado para DALL·E.
¿Qué lenguajes de programación se utilizan más en los repositorios de #vector-quantization?
Entre los proyectos de #vector-quantization mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, C++.
¿Cómo se calcula la clasificación de los repositorios de #vector-quantization?
Seguimos 15 repositorios activos de código abierto etiquetados con #vector-quantization (500+ estrellas), que suman un total de 33,956 estrellas, con una media de 2,263 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.