#seq2seq Dépôts
Découvrez 25 dépôts GitHub open source actifs associés à #seq2seq, cumulant 56,290 étoiles au total (soit une moyenne de 2,251 étoiles par projet). Le projet en tête de ce thème est emilwallner/Screenshot-to-code, avec 16,517 étoiles.
25 dépôts au total
Un réseau de neurones qui transforme un mock-up de design en un site web statique.
Tutoriels sur l'implémentation de quelques modèles sequence-to-sequence (seq2seq) avec PyTorch et TorchText.
Jouez aux couplets avec le modèle seq2seq. Composez des couplets avec l'apprentissage profond.
Kashgari est un framework d'apprentissage par transfert NLP de niveau production construit sur tf.keras pour l'étiquetage de texte et la classification de texte, inclut Word2Vec, BERT et GPT2 Language Embedding.
Grands Modèles Conceptuels : Modélisation du langage dans un espace de représentation de phrases
Projets de chatbot géniaux, corpus, articles, tutoriels. Chatbot chinois =>:
DELTA est une plateforme de traitement du langage naturel et de la parole basée sur l'apprentissage profond. LF AI & DATA Projects: https://lfaidata.foundation/projects/delta/
Transformers4Rec est une bibliothèque flexible et efficace pour les recommandations séquentielles et basées sur les sessions qui fonctionne avec PyTorch.
:art: Version améliorée de la reconnaissance de formules mathématiques : Formules manuscrites et imprimées en chinois et anglais, prend en charge le raisonnement de base sur les symboles (structure de données basée sur l'arbre de syntaxe abstraite LaTeX) Math Formula OCR Pro, prend en charge l'écriture manuscrite, les formules mixtes chinois-anglais et le raisonnement simple sur les symboles (basé sur LaTeX AST).
Cadre sequence-to-sequence avec un accent sur la traduction automatique neuronale basé sur PyTorch
Cette série vous emmènera dans un voyage des bases du NLP et de la vision par ordinateur jusqu'à la pointe des modèles Vision-Langage.
💁 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. 🛫☑️
TextGen: Implémentation de modèles de génération de texte, incluent LLaMA, BLOOM, GPT2, BART, T5, SongNet et ainsi de suite. Modèles de génération de texte, implémentent l'entraînement et la prédiction de modèles tels que LLaMA, ChatGLM, BLOOM, GPT2, Seq2Seq, BART, T5, UDA, etc., prêts à l'emploi.
1 ligne pour des milliers de modèles NLP à la pointe de la technologie dans des centaines de langues. La manière la plus rapide et la plus précise de résoudre les problèmes de texte.
Code source pour le modèle de dialogue de bout en bout issu de l'article MultiWOZ (Budzianowski et al. 2018, EMNLP)
Agent de recherche approfondi pour vous aider à trouver les meilleurs référentiels GitHub 🕵️ !
tfts: Modèles d'apprentissage profond pour séries temporelles en TensorFlow
Classification de texte multi-étiquettes, classification multi-étiquettes, classification de texte, multi-étiquettes, classifieur, classification de texte, BERT, seq2seq, attention, classification multi-étiquettes
Modèle Seq2Seq minimaliste avec attention pour la traduction automatique neuronale en PyTorch
Génération de commandes Bash à partir du langage naturel https://arxiv.org/abs/1802.08979
Foire aux questions
Quel est le dépôt #seq2seq le plus populaire sur GitHub ?
Le projet #seq2seq open source le mieux classé sur GitHub est emilwallner/Screenshot-to-code, avec 16,517 étoiles. Un réseau de neurones qui transforme un mock-up de design en un site web statique.
Quels langages de programmation sont les plus utilisés dans les dépôts #seq2seq ?
Parmi les projets #seq2seq les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, HTML, NewLisp.
Comment le classement des dépôts #seq2seq est-il calculé ?
Nous suivons 25 dépôts open source actifs associés à #seq2seq (500+ étoiles), totalisant 56,290 étoiles, avec une moyenne de 2,251 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.