Git Stars Git Stars

#transformer Dépôts

Découvrez 208 dépôts GitHub open source actifs associés à #transformer, cumulant 1,197,728 étoiles au total (soit une moyenne de 5,758 étoiles par projet). Le projet en tête de ce thème est huggingface/transformers, avec 169,339 étoiles.

208
Total des Dépôts
1.2M
Nombre total d'étoiles
5,758
Moyenne d'Étoiles/Dépôt
1
huggingface/transformers

🤗 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.

huggingface
⭐ 169,339 Python 👤 huggingface Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2018-10-29
2
vllm-project/vllm

Un moteur d'inférence et de service pour LLM à haut débit et efficace en mémoire

vllm-project
⭐ 97,302 Python 👤 vllm-project Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2023-02-09
3
labmlai/annotated_deep_learning_paper_implementations

🧑‍🏫 60+ implémentations/tutoriels d'articles de deep learning avec des notes côte à côte 📝; y compris les transformers (original, xl, switch, feedback, vit, ...), les optimiseurs (adam, adabelief, sophia, ...), les gans (cyclegan, stylegan2, ...), 🎮 l'apprentissage par renforcement (ppo, dqn), les capsnet, la distillation, ... 🧠

labmlai
⭐ 67,780 Python 👤 labmlai Organization 🕐 Mis à jour 2026-11-02 📅 Créé 2020-08-25
4
ggml-org/whisper.cpp

Portage du modèle Whisper d'OpenAI en C/C++

ggml-org
⭐ 55,392 C++ 👤 ggml-org Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2022-09-25
5
p-e-w/heretic

Modification de modèles de langage sans entraînement : supprimer la censure, limiter les contenus de mauvaise qualité et la complaisance, et bien plus encore

p-e-w
⭐ 42,437 Python 👤 p-e-w User 🕐 Mis à jour 2026-11-19 📅 Créé 2025-09-21
6
sgl-project/sglang

SGLang est un framework de service haute performance pour les grands modèles linguistiques et les modèles multimodaux.

sgl-project
⭐ 38,899 Python 👤 sgl-project Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-01-08
7
fishaudio/fish-speech

SOTA Open Source TTS

fishaudio
⭐ 33,820 Python 👤 fishaudio Organization 🕐 Mis à jour 2026-11-14 📅 Créé 2023-10-10
8
open-mmlab/mmdetection

Boîte à outils de détection OpenMMLab et benchmark

open-mmlab
⭐ 32,234 Python 👤 open-mmlab Organization 🕐 Mis à jour 2024-08-21 📅 Créé 2018-08-22
9
SYSTRAN/faster-whisper

Transcription Whisper plus rapide avec CTranslate2

SYSTRAN
⭐ 26,924 Python 👤 SYSTRAN Organization 🕐 Mis à jour 2026-11-12 📅 Créé 2023-02-11
10
lukasmasuch/best-of-ml-python

Une liste classée d'incroyables bibliothèques Python pour le machine learning. Mise à jour chaque semaine.

lukasmasuch
⭐ 23,877 👤 lukasmasuch User 🕐 Mis à jour 2026-11-19 📅 Créé 2020-11-29
11
amusi/CVPR2026-Papers-with-Code

Collection de papiers et de projets open source CVPR 2026

amusi
⭐ 22,969 👤 amusi User 🕐 Mis à jour 2026-03-08 📅 Créé 2020-02-26
12
nndl/nndl

《Réseaux neuronaux et apprentissage profond》 de Qiu Xipeng, deuxième édition et édition de culture générale : livre électronique, sommaire des chapitres, ressources d’apprentissage et errata.

nndl
⭐ 19,627 👤 nndl Organization 🕐 Mis à jour 2026-09-06 📅 Créé 2016-09-06
13
FlashML-org/FreeToken

FreeToken apporte le déploiement de modèles à l'échelle des centres de données sur votre bureau. Exécutez des modèles massifs localement, rapidement et efficacement.

FlashML-org
⭐ 17,522 Python 👤 FlashML-org User 🕐 Mis à jour 2026-11-21 📅 Créé 2026-07-20
14
datawhalechina/leedl-tutorial

《Tutoriel d'apprentissage profond de Li Hongyi》(Recommandé par le professeur Li Hongyi 👍, Apple Books 🍎), Lien de téléchargement PDF : https://github.com/datawhalechina/leedl-tutorial/releases

datawhalechina
⭐ 16,879 Jupyter Notebook 👤 datawhalechina Organization 🕐 Mis à jour 2026-10-23 📅 Créé 2019-07-02
15
alibaba/MNN

MNN : Un moteur d'inférence ultra-rapide et léger, éprouvé en conditions réelles par Alibaba, alimentant des LLMs et une IA de bord haute performance sur appareil.

alibaba
⭐ 16,589 C++ 👤 alibaba Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2019-04-15
⭐ 16,519 Python 👤 GeeeekExplorer User 🕐 Mis à jour 2026-04-26 📅 Créé 2025-06-09
17
lukas-blecher/LaTeX-OCR

pix2tex : Utiliser un ViT pour convertir des images d'équations en code LaTeX.

lukas-blecher
⭐ 16,430 Python 👤 lukas-blecher User 🕐 Mis à jour 2025-01-18 📅 Créé 2020-12-11
18
graykode/nlp-tutorial

Tutoriel sur le Traitement du Langage Naturel pour les Chercheurs en Apprentissage Profond

graykode
⭐ 14,826 Jupyter Notebook 👤 graykode User 🕐 Mis à jour 2024-02-21 📅 Créé 2019-01-09
19
BlinkDL/RWKV-LM

RWKV (prononcé RwaKuv) est un RNN avec d'excellentes performances LLM, qui peut également être entraîné directement comme un transformer GPT (parallélisable). Nous en sommes à RWKV-7 "Goose". Il combine donc le meilleur des RNN et des transformers - d'excellentes performances, un temps linéaire, un espace constant (pas de cache kv), un entraînement rapide, une ctx_len infinie et une intégration de phrases gratuite.

BlinkDL
⭐ 14,786 Python 👤 BlinkDL User 🕐 Mis à jour 2026-11-04 📅 Créé 2021-08-08
20
EleutherAI/lm-evaluation-harness

Un cadre d'évaluation à peu de tirs pour les modèles de langage.

EleutherAI
⭐ 14,515 Python 👤 EleutherAI Organization 🕐 Mis à jour 2026-11-04 📅 Créé 2020-08-28
21
cfug/dio

Un client HTTP puissant pour Dart et Flutter, qui prend en charge les paramètres globaux, les Interceptors, FormData, l'annulation et l'interruption d'une requête, le téléchargement et le téléversement de fichiers, les délais d'attente des requêtes, les adaptateurs personnalisés, etc.

cfug
⭐ 12,843 Dart 👤 cfug Organization 🕐 Mis à jour 2026-11-15 📅 Créé 2018-04-20
22
PaddlePaddle/PaddleSpeech

Kit d'outils vocal facile à utiliser incluant un modèle d'apprentissage auto-supervisé, ASR SOTA/Streaming avec ponctuation, TTS Streaming avec frontend texte, système de vérification du locuteur, traduction vocale de bout en bout et détection de mots-clés. Lauréat du Best Demo Award NAACL2022.

PaddlePaddle
⭐ 12,713 Python 👤 PaddlePaddle Organization 🕐 Mis à jour 2026-08-12 📅 Créé 2017-11-14
23
FareedKhan-dev/kimi-k3-in-c

Un modèle Kimi K3 de 2 780 milliards de paramètres effectuant une inférence sur un seul CPU avec 8,24 Go de RAM. C99 portable : sans BLAS, sans framework, sans GPU.

FareedKhan-dev
⭐ 12,523 C 👤 FareedKhan-dev User 🕐 Mis à jour 2026-11-16 📅 Créé 2026-08-01
24
huggingface/text-generation-inference

Inférence de génération de texte de grands modèles linguistiques

huggingface
⭐ 10,812 Python 👤 huggingface Organization 🕐 Mis à jour 2026-01-08 📅 Créé 2022-10-08
25
zyddnys/manga-image-translator

Traduire des mangas/images : traduisez en un clic le texte de toutes sortes d’images https://cotrans.touhou.ai/ https://greasyfork.org/en/scripts/437569-cotrans-manga-image-translator-regular-edition

zyddnys
⭐ 10,626 Python 👤 zyddnys User 🕐 Mis à jour 2026-11-18 📅 Créé 2021-02-18
26
bigscience-workshop/petals

Exécutez des LLM à la maison, style BitTorrent. Fine-tuning et inférence jusqu'à 10 fois plus rapides que l'offloading.

bigscience-workshop
⭐ 9,864 Python 👤 bigscience-workshop Organization 🕐 Mis à jour 2024-09-07 📅 Créé 2022-06-12
27
open-mmlab/mmsegmentation

OpenMMLab Semantic Segmentation Toolbox et Benchmark.

open-mmlab
⭐ 9,527 Python 👤 open-mmlab Organization 🕐 Mis à jour 2024-08-13 📅 Créé 2020-06-14
28
PaddlePaddle/PaddleSeg

Bibliothèque de segmentation d'images facile à utiliser avec un zoo de modèles pré-entraînés impressionnant, supportant une large gamme de tâches pratiques en Semantic Segmentation, Interactive Segmentation, Panoptic Segmentation, Image Matting, 3D Segmentation, etc.

PaddlePaddle
⭐ 9,417 Python 👤 PaddlePaddle Organization 🕐 Mis à jour 2026-02-05 📅 Créé 2019-08-26
29
OptimalScale/LMFlow

Une boîte à outils extensible pour le réglage fin et l'inférence de grands modèles fondamentaux. De grands modèles pour tous.

OptimalScale
⭐ 8,482 Python 👤 OptimalScale Organization 🕐 Mis à jour 2026-08-10 📅 Créé 2023-03-27
30
jessevig/bertviz

BertViz : Visualiser l'attention dans les modèles Transformer

jessevig
⭐ 8,220 Python 👤 jessevig User 🕐 Mis à jour 2026-01-08 📅 Créé 2018-12-16
31
openai/jukebox

Code pour l'article "Jukebox: A Generative Model for Music"

openai
⭐ 8,037 Python 👤 openai Organization 🕐 Mis à jour 2024-06-19 📅 Créé 2020-04-29
32
vllm-project/vllm-omni

Un cadre pour l'inférence de modèle efficace avec des modèles d'omni-modalité

vllm-project
⭐ 7,884 Python 👤 vllm-project Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2025-09-11
33
Morizeyao/GPT2-Chinese

Version chinoise du code d'entraînement de GPT2, utilisant le tokenizer BERT.

Morizeyao
⭐ 7,609 Python 👤 Morizeyao User 🕐 Mis à jour 2024-04-25 📅 Créé 2019-05-31
34
InternLM/MindSearch

🔍 Un Framework Multi-Agent Basé sur LLM pour Moteur de Recherche Web (comme Perplexity.ai Pro et SearchGPT)

InternLM
⭐ 6,885 JavaScript 👤 InternLM Organization 🕐 Mis à jour 2025-07-04 📅 Créé 2024-07-28
35
vllm-project/semantic-router

Une couche de décision ouverte et programmable pour les modèles et le calcul.

vllm-project
⭐ 6,514 Go 👤 vllm-project Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2025-08-26
36
zhouhaoyi/Informer2020

Le référentiel GitHub pour le papier "Informer" accepté par AAAI 2021.

zhouhaoyi
⭐ 6,510 Python 👤 zhouhaoyi User 🕐 Mis à jour 2025-06-20 📅 Créé 2020-12-07
37
NVIDIA/FasterTransformer

Optimisation liée aux Transformers, y compris BERT, GPT

NVIDIA
⭐ 6,376 C++ 👤 NVIDIA Organization 🕐 Mis à jour 2024-03-27 📅 Créé 2021-04-02
38
cactus-compute/engine

Quantification sur 2 bits, noyaux et environnement d’exécution pour les appareils grand public.

cactus-compute
⭐ 6,200 C++ 👤 cactus-compute Organization 🕐 Mis à jour 2026-11-05 📅 Créé 2025-04-23
39
timeseriesAI/tsai

Série temporelle Timeseries Deep Learning Machine Learning Python Pytorch fastai | Bibliothèque Deep Learning de pointe pour les séries temporelles et les séquences en Pytorch / fastai

timeseriesAI
⭐ 6,151 Jupyter Notebook 👤 timeseriesAI Organization 🕐 Mis à jour 2026-07-23 📅 Créé 2019-09-30
40
bentrevett/pytorch-seq2seq

Tutoriels sur l'implémentation de quelques modèles sequence-to-sequence (seq2seq) avec PyTorch et TorchText.

bentrevett
⭐ 5,664 Jupyter Notebook 👤 bentrevett User 🕐 Mis à jour 2024-01-20 📅 Créé 2018-07-17
41
WeThinkIn/AIGC-Interview-Book

【Trois ans d’entretiens, cinq ans d’examens blancs】Plateforme de ressources pour les entretiens des ingénieurs en algorithmes AIGC/LLM/AI Agent. Elle couvre des connaissances pratiques et des expériences clés pour les entretiens et les épreuves écrites, ainsi que des connaissances fondamentales durables dans l’industrie de l’IA, notamment l’AIGC, les grands modèles de langage (LLM), les agents d’IA, l’intelligence incarnée, l’apprentissage profond traditionnel, la vision par ordinateur, le traitement du langage naturel, la conduite autonome, l’apprentissage automatique, l’apprentissage par renforcement, l’exploration de mégadonnées, les modèles du monde, le métavers, l’AGI, et bien plus encore.

WeThinkIn
⭐ 5,282 Python 👤 WeThinkIn User 🕐 Mis à jour 2026-11-21 📅 Créé 2023-10-14
42
JingyunLiang/SwinIR

SwinIR : Restauration d'images utilisant le Transformer Swin (dépôt officiel)

JingyunLiang
⭐ 5,263 Python 👤 JingyunLiang User 🕐 Mis à jour 2024-05-14 📅 Créé 2021-08-16
43
wenet-e2e/wenet

Production d'abord et boîte à outils de reconnaissance vocale de bout en bout prête pour la production

wenet-e2e
⭐ 5,258 Python 👤 wenet-e2e Organization 🕐 Mis à jour 2026-10-26 📅 Créé 2020-11-17
44
cmhungsteve/Awesome-Transformer-Attention

Une liste finalement complète de papiers sur Vision Transformer/Attention, incluant papiers, codes et sites Web associés

cmhungsteve
⭐ 4,987 👤 cmhungsteve User 🕐 Mis à jour 2024-07-30 📅 Créé 2021-09-15
45
deepseek-ai/Engram

Mémoire conditionnelle via recherche évolutive : Un nouvel axe de sparsité pour les grands modèles de langage

deepseek-ai
⭐ 4,835 Python 👤 deepseek-ai Organization 🕐 Mis à jour 2026-01-14 📅 Créé 2026-01-12
46
thunlp/OpenPrompt

Un cadre open-source pour le Prompt-Learning.

thunlp
⭐ 4,792 Python 👤 thunlp Organization 🕐 Mis à jour 2024-07-16 📅 Créé 2021-09-30
47
origin-brain/beat-ai

La bible ultime pour débuter en IA, sans obscurité ni élitisme, accessible à tous, des étudiants aux ingénieurs. Elle couvre tout, des réseaux de neurones aux grands modèles, de la conception de haut niveau aux principes microscopiques, de l'implémentation technique aux bases algorithmiques. Après l'avoir lu, vous comprendrez parfaitement pourquoi la prédiction du prochain jeton, une capacité apparemment banale, peut changer le monde, et vous découvrirez que l'IA n'est pas aussi mystérieuse ou inaccessible que vous le pensiez. Let's just beat it !

origin-brain
⭐ 4,739 JavaScript 👤 origin-brain Organization 🕐 Mis à jour 2026-08-20 📅 Créé 2021-12-29
48
hyunwoongko/transformer

Transformer : Implémentation PyTorch de « Attention Is All You Need »

hyunwoongko
⭐ 4,609 Python 👤 hyunwoongko User 🕐 Mis à jour 2025-07-15 📅 Créé 2019-10-15
49
huawei-noah/Efficient-AI-Backbones

Backbones IA efficaces incluant GhostNet, TNT et MLP, développés par Huawei Noah's Ark Lab.

huawei-noah
⭐ 4,417 Python 👤 huawei-noah Organization 🕐 Mis à jour 2025-03-15 📅 Créé 2019-11-16
50
Nixtla/neuralforecast

Algorithmes de prévision neuronaux :brain: évolutifs et conviviaux.

Nixtla
⭐ 4,318 Python 👤 Nixtla Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2021-04-26

Foire aux questions

1

Quel est le dépôt #transformer le plus populaire sur GitHub ?

Le projet #transformer 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.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #transformer ?

Parmi les projets #transformer les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, Jupyter Notebook, JavaScript.

3

Comment le classement des dépôts #transformer est-il calculé ?

Nous suivons 208 dépôts open source actifs associés à #transformer (500+ étoiles), totalisant 1,197,728 étoiles, avec une moyenne de 5,758 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.