Git Stars Git Stars

#neural-machine-translation Dépôts

Découvrez 12 dépôts GitHub open source actifs associés à #neural-machine-translation, cumulant 43,049 étoiles au total (soit une moyenne de 3,587 étoiles par projet). Le projet en tête de ce thème est google/sentencepiece, avec 12,174 étoiles.

12
Total des Dépôts
43,049
Nombre total d'étoiles
3,587
Moyenne d'Étoiles/Dépôt
Langages de programmation: Python C++ Jupyter Notebook TeX
1
google/sentencepiece

Tokeniseur de texte non supervisé pour la génération de texte basée sur des réseaux de neurones.

google
⭐ 12,174 C++ 👤 google Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2017-03-07
2
OpenNMT/OpenNMT-py

Traduction automatique neuronale open source et modèles de langage (volumineux) en PyTorch

OpenNMT
⭐ 7,018 Python 👤 OpenNMT Organization 🕐 Mis à jour 2025-10-14 📅 Créé 2017-02-22
3
bentrevett/pytorch-seq2seq

Tutoriels sur l'implémentation de quelques modèles sequence-to-sequence (seq2seq) avec PyTorch et TorchText.

bentrevett
⭐ 5,664 Jupyter Notebook 👤 bentrevett User 🕐 Mis à jour 2024-01-20 📅 Créé 2018-07-17
4
OpenNMT/CTranslate2

Moteur d'inférence rapide pour les modèles Transformer

OpenNMT
⭐ 4,758 C++ 👤 OpenNMT Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2019-09-23
5
amanchadha/coursera-deep-learning-specialization

Notes, devoirs de programmation et quiz de tous les cours de la spécialisation Deep Learning de Coursera proposés par deeplearning.ai : (i) Réseaux neuronaux et Deep Learning ; (ii) Amélioration des réseaux neuronaux profonds : réglage des hyperparamètres, régularisation et optimisation ; (iii) Structuration des projets d'apprentissage automatique ; (iv) Réseaux neuronaux convolutifs ; (v) Modèles de séquence

amanchadha
⭐ 4,424 Jupyter Notebook 👤 amanchadha User 🕐 Mis à jour 2026-06-10 📅 Créé 2020-06-24
6
NiuTrans/MTBook

"Traduction automatique : Fondements et modèles" par Xiao Tong et Zhu Jingbo - Machine Translation: Foundations and Models

NiuTrans
⭐ 2,792 TeX 👤 NiuTrans Organization 🕐 Mis à jour 2024-09-14 📅 Créé 2020-05-01
7
rsennrich/subword-nmt

Segmentation de mots non supervisée pour la traduction automatique neuronale et la génération de texte

rsennrich
⭐ 2,261 Python 👤 rsennrich User 🕐 Mis à jour 2024-08-07 📅 Créé 2015-09-01
8
awslabs/sockeye

Cadre sequence-to-sequence avec un accent sur la traduction automatique neuronale basé sur PyTorch

awslabs
⭐ 1,217 Python 👤 awslabs Organization 🕐 Mis à jour 2024-10-24 📅 Créé 2017-06-08
9
Helsinki-NLP/Opus-MT

Modèles de traduction automatique neurale ouverts et services web

Helsinki-NLP
⭐ 879 Python 👤 Helsinki-NLP Organization 🕐 Mis à jour 2026-02-23 📅 Créé 2019-08-21
10
joeynmt/joeynmt

NMT minimaliste à des fins éducatives

joeynmt
⭐ 708 Python 👤 joeynmt User 🕐 Mis à jour 2024-01-29 📅 Créé 2018-10-15
11
XapaJIaMnu/translateLocally

Traduction rapide et sécurisée sur votre machine locale, alimentée par marian et Bergamot.

XapaJIaMnu
⭐ 612 C++ 👤 XapaJIaMnu User 🕐 Mis à jour 2025-03-30 📅 Créé 2021-04-13
12
mikeroyal/Neuromorphic-Computing-Guide

Découvrez le processus d'ingénierie néomorphique de création de systèmes d'intégration à très grande échelle (VLSI) contenant des circuits analogiques électroniques pour imiter les architectures neuro-biologiques.

mikeroyal
⭐ 546 Python 👤 mikeroyal User 🕐 Mis à jour 2024-01-04 📅 Créé 2021-10-03

Foire aux questions

1

Quel est le dépôt #neural-machine-translation le plus populaire sur GitHub ?

Le projet #neural-machine-translation open source le mieux classé sur GitHub est google/sentencepiece, avec 12,174 étoiles. Tokeniseur de texte non supervisé pour la génération de texte basée sur des réseaux de neurones.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #neural-machine-translation ?

Parmi les projets #neural-machine-translation les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, Jupyter Notebook, TeX.

3

Comment le classement des dépôts #neural-machine-translation est-il calculé ?

Nous suivons 12 dépôts open source actifs associés à #neural-machine-translation (500+ étoiles), totalisant 43,049 étoiles, avec une moyenne de 3,587 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.