#huggingface-transformers Dépôts
111 dépôts au total
Agents Llama-3 capables de naviguer sur le Web en suivant des instructions et en vous parlant
Dépôt officiel Pytorch pour la compression extrême des grands modèles de langage via la quantification additive https://arxiv.org/pdf/2401.06118.pdf et PV-Tuning : Au-delà de l'estimation directe pour la compression extrême des LLM https://arxiv.org/abs/2405.14852
Modèles entraînés et code pour prédire les commentaires toxiques dans les 3 défis Jigsaw Toxic Comment. Créés avec ⚡ PyTorch Lightning et 🤗 Transformers.
ProtTrans fournit des modèles de langage pré-entraînés de pointe pour les protéines. ProtTrans a été entraîné sur des milliers de GPU de Summit et des centaines de TPU Google en utilisant des modèles Transformers.
Ce dépôt contient le code du article CVPR 2022 "Image Segmentation Using Text and Image Prompts".
Implémentation officielle PyTorch de Learning to (Learn at Test Time) : RNN avec états cachés expressifs
Entraînement et inférence distribués pour la perception multimodale : représentations vectorielles partagées pour le texte, les images, la vidéo, l’audio, le code et les graphes, de 64 à 1 024 dimensions 🖼️
Projets d'apprentissage profond d'exemple qui utilisent les fonctionnalités de wandb.
Modèles Fondamentaux Multimodaux de Pointe pour la Compréhension d'Images et de Vidéos
utilitaires pour décoder des représentations profondes (comme des plongements de phrases) en texte
[Neurips 2023] Génération de niveaux de Mario avec GPT2. Code pour l'article "MarioGPT: Open-Ended Text2Level Generation through Large Language Models" https://arxiv.org/abs/2302.05981
[NeurIPS 2023] MeZO: Fine-Tuning Language Models with Just Forward Passes. https://arxiv.org/abs/2305.17333
Code pour "Efficient LoFTR: Semi-Dense Local Feature Matching with Sparse-Like Speed", CVPR 2024
Un cadre pour l'évaluation des modèles linguistiques autoregressifs de génération de code.
L'implémentation officielle pour [NeurIPS2025 Oral] Gated Attention pour les Grands Modèles de Langage : Non-linéarité, Sparsité et Sans Attention-Sink (Attention-Sink-Free)
Modèles Transformer de BERT à GPT-4, environnements de Hugging Face à OpenAI. Exemples de fine-tuning, d'entraînement et d'ingénierie des prompts. Une section bonus avec ChatGPT, GPT-3.5-turbo, GPT-4 et DALL-E, y compris le démarrage rapide de GPT-4, la reconnaissance vocale, la synthèse vocale, la génération de texte en image avec DALL-E, Google Cloud AI, HuggingGPT, et plus encore.
[Version étendue ICLR 2025 Blog Track] Anole : Modèles multimodaux ouverts, autorégressifs et natifs pour la génération d'images-textes entrelacés
HarmBench : Un cadre d'évaluation standardisé pour le Red Teaming automatisé et le refus robuste
Apprenez l'ingénierie de l'IA générative appliquée au cloud (GenEng) en utilisant OpenAI, Gemini, Streamlit, Containers, Serverless, Postgres, LangChain, Pinecone et Next.js
Seed-Coder est une famille de LLM open-source légers pour le code, comprenant des modèles de base, d'instruction et de raisonnement, développés par ByteDance Seed.
Transcription vocale en temps réel avec FastRTC ⚡️ et Whisper local 🤗
Le dépôt pour "Distill Any Depth: Distillation Creates a Stronger Monocular Depth Estimator"
VideoLLM-online : Modèle linguistique étendu en ligne pour la vidéo en streaming (CVPR 2024)
Les codes officiels de "PMC-LLaMA : Vers la construction de modèles linguistiques open-source pour la médecine"
Implémentation officielle de "Lumina-mGPT: Illuminez la génération photoréaliste flexible de texte à image avec un pré-entraînement génératif multimodal"
Studio de présentations au style Canva, accessible uniquement depuis un navigateur et optimisé par une IA Web locale.
Modèle multimodal pour données textuelles et tabulaires avec des transformeurs HuggingFace comme bloc de construction pour les données textuelles
multilspy est une bibliothèque cliente lsp en Python destinée à être utilisée pour créer des applications autour des serveurs de langage.
Dépôt officiel pour « Glyph : Mise à l'échelle des fenêtres de contexte via la compression visuelle et textuelle »