#sequence-to-sequence Dépôts
Découvrez 10 dépôts GitHub open source actifs associés à #sequence-to-sequence, cumulant 30,604 étoiles au total (soit une moyenne de 3,060 étoiles par projet). Le projet en tête de ce thème est yandexdataschool/nlp_course, avec 10,801 étoiles.
10 dépôts au total
Tutoriels sur l'implémentation de quelques modèles sequence-to-sequence (seq2seq) avec PyTorch et TorchText.
Grands Modèles Conceptuels : Modélisation du langage dans un espace de représentation de phrases
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/
Cadre sequence-to-sequence avec un accent sur la traduction automatique neuronale basé sur PyTorch
Publication officielle du code pour [SIGGRAPH 2025] RenderFormer : Rendu neuronal basé sur Transformer de maillages triangulaires avec éclairage global
[ICLR'23] DiffuSeq : Génération de texte séquence à séquence avec des modèles de diffusion
Système de conversation à grande échelle axé sur la connaissance ouverte basé sur PaddlePaddle
Foire aux questions
Quel est le dépôt #sequence-to-sequence le plus populaire sur GitHub ?
Le projet #sequence-to-sequence open source le mieux classé sur GitHub est yandexdataschool/nlp_course, avec 10,801 étoiles. Cours YSDA en Traitement Automatique du Langage Naturel
Quels langages de programmation sont les plus utilisés dans les dépôts #sequence-to-sequence ?
Parmi les projets #sequence-to-sequence les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook.
Comment le classement des dépôts #sequence-to-sequence est-il calculé ?
Nous suivons 10 dépôts open source actifs associés à #sequence-to-sequence (500+ étoiles), totalisant 30,604 étoiles, avec une moyenne de 3,060 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.