#sequence-modeling Dépôts
Découvrez 27 dépôts GitHub open source actifs associés à #sequence-modeling, cumulant 89,587 étoiles au total (soit une moyenne de 3,318 étoiles par projet). Le projet en tête de ce thème est google-research/timesfm, avec 35,653 étoiles.
27 dépôts au total
TimesFM (Time Series Foundation Model) est un modèle fondation pré-entraîné pour les séries temporelles développé par Google Research pour la prévision des séries temporelles.
🚀 Implémentations efficaces pour les architectures de modèles émergents
Implémentation simple et minimale de Mamba SSM dans un seul fichier PyTorch.
Base de code officielle pour Decision Transformer : Apprentissage par renforcement via la modélisation de séquences.
Une implémentation officielle de PatchTST : "A Time Series is Worth 64 Words: Long-term Forecasting with Transformers." (ICLR 2023) https://arxiv.org/abs/2211.14730
Dépôt de code pour les réseaux à constante de temps liquide (LTC)
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.
Implémentation officielle PyTorch de Learning to (Learn at Test Time) : RNN avec états cachés expressifs
NotaGen : Faire progresser la musicalité dans la génération musicale symbolique avec des paradigmes d'entraînement de grands modèles linguistiques
🐳 Implémentations Triton efficaces pour "Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention"
Mamba-Chat : Un LLM de chat basé sur l'architecture du modèle d'espace d'état 🐍
Cell2Sentence : Enseigner aux Grands Modèles de Langage le langage de la biologie
Un projet de recherche pour la génération de langage naturel, contenant les implémentations officielles de l'équipe NLC de MSRA.
🔥🔥Les tout premiers modèles à l'échelle de l'heure pour la compréhension vidéo
Une collection simple de ressources de recherche sur la génération de musique.
[CVPR 2022] MHFormer : Transformateur à Hypothèses Multiples pour l'Estimation de la Pose Humaine 3D
Foire aux questions
Quel est le dépôt #sequence-modeling le plus populaire sur GitHub ?
Le projet #sequence-modeling open source le mieux classé sur GitHub est google-research/timesfm, avec 35,653 étoiles. TimesFM (Time Series Foundation Model) est un modèle fondation pré-entraîné pour les séries temporelles développé par Google Research pour la prévision des séries temporelles.
Quels langages de programmation sont les plus utilisés dans les dépôts #sequence-modeling ?
Parmi les projets #sequence-modeling les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Assembly.
Comment le classement des dépôts #sequence-modeling est-il calculé ?
Nous suivons 27 dépôts open source actifs associés à #sequence-modeling (500+ étoiles), totalisant 89,587 étoiles, avec une moyenne de 3,318 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.