Git Stars Git Stars

#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
Total des Dépôts
89,587
Nombre total d'étoiles
3,318
Moyenne d'Étoiles/Dépôt
Langages de programmation: Python Jupyter Notebook Assembly
1
google-research/timesfm

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.

google-research
⭐ 35,653 Python 👤 google-research Organization 🕐 Mis à jour 2026-11-13 📅 Créé 2024-04-29
2
state-spaces/mamba

Architecture Mamba SSM

state-spaces
⭐ 19,008 Python 👤 state-spaces Organization 🕐 Mis à jour 2026-11-08 📅 Créé 2023-12-01
3
fla-org/flash-linear-attention

🚀 Implémentations efficaces pour les architectures de modèles émergents

fla-org
⭐ 6,071 Python 👤 fla-org Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2023-12-20
4
johnma2006/mamba-minimal

Implémentation simple et minimale de Mamba SSM dans un seul fichier PyTorch.

johnma2006
⭐ 2,907 Python 👤 johnma2006 User 🕐 Mis à jour 2024-03-08 📅 Créé 2023-12-20
5
kzl/decision-transformer

Base de code officielle pour Decision Transformer : Apprentissage par renforcement via la modélisation de séquences.

kzl
⭐ 2,738 Python 👤 kzl User 🕐 Mis à jour 2024-04-29 📅 Créé 2021-06-02
6
yuqinie98/PatchTST

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

yuqinie98
⭐ 2,353 Python 👤 yuqinie98 User 🕐 Mis à jour 2024-08-12 📅 Créé 2022-10-25
7
raminmh/liquid_time_constant_networks

Dépôt de code pour les réseaux à constante de temps liquide (LTC)

raminmh
⭐ 1,785 Python 👤 raminmh User 🕐 Mis à jour 2024-06-03 📅 Créé 2020-05-20
8
ckiplab/ckiptagger

Segmentation neuronale des mots chinois CKIP, étiquetage POS et NER

ckiplab
⭐ 1,683 Python 👤 ckiplab Organization 🕐 Mis à jour 2025-07-09 📅 Créé 2019-08-23
9
alxndrTL/mamba.py

Une implémentation Mamba simple et efficace en pur PyTorch et MLX.

alxndrTL
⭐ 1,486 Python 👤 alxndrTL User 🕐 Mis à jour 2026-05-03 📅 Créé 2024-01-08
10
yyyujintang/Awesome-Mamba-Papers

Articles impressionnants liés à Mamba.

yyyujintang
⭐ 1,387 👤 yyyujintang User 🕐 Mis à jour 2024-10-17 📅 Créé 2024-01-28
11
agemagician/ProtTrans

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.

agemagician
⭐ 1,310 Jupyter Notebook 👤 agemagician User 🕐 Mis à jour 2025-05-22 📅 Créé 2020-05-11
12
test-time-training/ttt-lm-pytorch

Implémentation officielle PyTorch de Learning to (Learn at Test Time) : RNN avec états cachés expressifs

test-time-training
⭐ 1,300 Python 👤 test-time-training User 🕐 Mis à jour 2024-07-14 📅 Créé 2024-06-28
13
ElectricAlexis/NotaGen

NotaGen : Faire progresser la musicalité dans la génération musicale symbolique avec des paradigmes d'entraînement de grands modèles linguistiques

ElectricAlexis
⭐ 1,202 Python 👤 ElectricAlexis User 🕐 Mis à jour 2025-04-21 📅 Créé 2024-06-01
15
fla-org/native-sparse-attention

🐳 Implémentations Triton efficaces pour "Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention"

fla-org
⭐ 1,030 Python 👤 fla-org Organization 🕐 Mis à jour 2026-02-05 📅 Créé 2025-02-21
16
Dao-AILab/causal-conv1d

Conv1d depthwise causale en CUDA, avec une interface PyTorch

Dao-AILab
⭐ 978 Python 👤 Dao-AILab Organization 🕐 Mis à jour 2026-08-20 📅 Créé 2023-12-03
17
redotvideo/mamba-chat

Mamba-Chat : Un LLM de chat basé sur l'architecture du modèle d'espace d'état 🐍

midrender
⭐ 940 Python 👤 midrender Organization 🕐 Mis à jour 2024-03-03 📅 Créé 2023-12-06
18
HazyResearch/safari

Convolutions pour la modélisation de séquences

HazyResearch
⭐ 909 Assembly 👤 HazyResearch Organization 🕐 Mis à jour 2024-06-13 📅 Créé 2023-02-14
19
vandijklab/cell2sentence

Cell2Sentence : Enseigner aux Grands Modèles de Langage le langage de la biologie

vandijklab
⭐ 896 Jupyter Notebook 👤 vandijklab Organization 🕐 Mis à jour 2026-10-06 📅 Créé 2024-09-03
20
microsoft/ProphetNet

Un projet de recherche pour la génération de langage naturel, contenant les implémentations officielles de l'équipe NLC de MSRA.

microsoft
⭐ 739 Python 👤 microsoft Organization 🕐 Mis à jour 2024-07-25 📅 Créé 2020-02-17
22
VectorSpaceLab/Video-XL

🔥🔥Les tout premiers modèles à l'échelle de l'heure pour la compréhension vidéo

VectorSpaceLab
⭐ 626 Python 👤 VectorSpaceLab Organization 🕐 Mis à jour 2025-07-14 📅 Créé 2024-09-20
23
radarFudan/Awesome-state-space-models

Recueil d'articles sur les modèles d'espace d'état

radarFudan
⭐ 622 Python 👤 radarFudan User 🕐 Mis à jour 2026-10-01 📅 Créé 2023-10-15
24
AI-Guru/music-generation-research

Une collection simple de ressources de recherche sur la génération de musique.

AI-Guru
⭐ 605 👤 AI-Guru User 🕐 Mis à jour 2025-01-20 📅 Créé 2021-06-02
25
Vegetebird/MHFormer

[CVPR 2022] MHFormer : Transformateur à Hypothèses Multiples pour l'Estimation de la Pose Humaine 3D

Vegetebird
⭐ 589 Python 👤 Vegetebird User 🕐 Mis à jour 2024-04-10 📅 Créé 2021-11-24
27
1x-technologies/1xgpt

défi de modélisation du monde pour robots humanoïdes

1x-technologies
⭐ 526 Python 👤 1x-technologies Organization 🕐 Mis à jour 2024-11-08 📅 Créé 2024-06-13

Foire aux questions

1

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.

2

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.

3

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.