#pretrained-models Dépôts
Découvrez 66 dépôts GitHub open source actifs associés à #pretrained-models, cumulant 475,350 étoiles au total (soit une moyenne de 7,202 étoiles par projet). Le projet en tête de ce thème est huggingface/transformers, avec 169,339 étoiles.
66 dépôts au total
🤗 Transformers : le framework de définition de modèles pour les modèles d'apprentissage automatique de pointe en texte, vision, audio et modèles multimodaux, à la fois pour l'inférence et l'entraînement.
La plus grande collection d'encodeurs d'images PyTorch / backbones. Incluant des scripts d'entraînement, d'évaluation, d'inférence, d'exportation et des poids pré-entraînés -- ResNet, ResNeXT, EfficientNet, NFNet, Vision Transformer (ViT), MobileNetV4, MobileNet-V3 & V2, RegNet, DPN, CSPNet, Swin Transformer, MaxViT, CoAtNet, ConvNeXt, et plus
Le dépôt officiel de Qwen (通义千问), le grand modèle de langage pré-entraîné et de chat proposé par Alibaba Cloud.
Bibliothèque LLM et SLM facile à utiliser et puissante avec un incroyable zoo de modèles.
Blocs de construction neuronaux pour la diarisation des locuteurs : détection d'activité vocale, détection de changement de locuteur, détection de parole chevauchante, embedding du locuteur
Exécutez des LLM à la maison, style BitTorrent. Fine-tuning et inférence jusqu'à 10 fois plus rapides que l'offloading.
Une boîte à outils extensible pour le réglage fin et l'inférence de grands modèles fondamentaux. De grands modèles pour tous.
Sortie officielle de la série InternLM (InternLM, InternLM2, InternLM2.5, InternLM3).
Chronos : Modèles pré-entraînés pour la prévision de séries chronologiques
Modèles Silero : des modèles de synthèse vocale pré-entraînés rendus incroyablement simples
Version chinoise de CLIP qui permet la récupération intermodale et la génération de représentations en chinois.
Un coffre au trésor pour la classification et la reconnaissance visuelles, propulsé par PaddlePaddle
Un cadre modulaire pour la recherche multimodale en vision et langage de Facebook AI Research (FAIR)
Modèles NLP Chinois Pré-entraînés Impressionnants, Collection de Modèles Pré-entraînés Chinois de Haute Qualité & Grands Modèles & Modèles Multimodaux & Grands Modèles de Langage
Superduper : Framework de bout en bout pour la création d'applications et d'agents IA personnalisés.
Modèles pré-entraînés PyTorch pour la détection de visages (MTCNN) et la reconnaissance faciale (InceptionResnet)
Un dépôt pour stocker des modèles qui ont été convertis mutuellement entre divers frameworks. Les frameworks pris en charge sont TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite (Float32/16/INT8), EdgeTPU, CoreML.
« Grands Modèles Linguistiques » par : Zhao Xin, Li Junyi, Zhou Kun, Tang Tianyi, Wen Jirong
LimiX : Libérer la capacité de modélisation des données structurées pour une intelligence généraliste https://arxiv.org/abs/2609.17488
Backbones IA efficaces incluant GhostNet, TNT et MLP, développés par Huawei Noah's Ark Lab.
Benchmark d'évaluation de la compréhension de la langue chinoise : jeux de données, lignes de base, modèles pré-entraînés, corpus et classement
Fengshenbang-LM (封神榜大模型) est un système de grand modèle open-source dirigé par le Centre de recherche en calcul cognitif et traitement du langage naturel de l'Institut IDEA, servant d'infrastructure pour l'AIGC chinois et l'intelligence cognitive.
Modèle de langage pré-entraîné et ses techniques d'optimisation associées développées par Huawei Noah's Ark Lab.
Boîte à outils de séparation de sources audio basée sur PyTorch pour les chercheurs
Dépôt officiel d'OFA (ICML 2022). Paper : OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework
TorchMultimodal est une bibliothèque PyTorch pour l'entraînement de modèles multimodaux multi-tâches à la pointe de la technologie à grande échelle.
Entraînement tout-en-un pour les modèles de vision (YOLO, ViTs, RT-DETR, DINOv3) : pré-entraînement, fine-tuning, distillation.
EfficientNet pré-entraîné, EfficientNet-Lite, MixNet, MobileNetV3 / V2, MNASNet A1 et B1, FBNet, Single-Path NAS
Ce repo contient des implémentations de différentes architectures pour la reconnaissance d'émotions dans les conversations.
Outil pour segmenter le texte en phrases ou autres unités sémantiques de manière robuste, efficace et adaptable.
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 🖼️
💁 Impressionnant trésor de modèles Transformer pour le traitement du langage naturel contenant des articles, des vidéos, des blogs, des dépôts officiels ainsi que des notebooks Colab. 🛫☑️
SwissArmyTransformer est une bibliothèque flexible et puissante pour développer vos propres variantes de Transformer.
Foire aux questions
Quel est le dépôt #pretrained-models le plus populaire sur GitHub ?
Le projet #pretrained-models open source le mieux classé sur GitHub est huggingface/transformers, avec 169,339 étoiles. 🤗 Transformers : le framework de définition de modèles pour les modèles d'apprentissage automatique de pointe en texte, vision, audio et modèles multimodaux, à la fois pour l'inférence et l'entraînement.
Quels langages de programmation sont les plus utilisés dans les dépôts #pretrained-models ?
Parmi les projets #pretrained-models les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C++, Cuda.
Comment le classement des dépôts #pretrained-models est-il calculé ?
Nous suivons 66 dépôts open source actifs associés à #pretrained-models (500+ étoiles), totalisant 475,350 étoiles, avec une moyenne de 7,202 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.