#transformer-architecture Dépôts
Découvrez 147 dépôts GitHub open source actifs associés à #transformer-architecture, cumulant 594,368 étoiles au total (soit une moyenne de 4,043 étoiles par projet). Le projet en tête de ce thème est karpathy/nanoGPT, avec 64,617 étoiles.
147 dépôts au total
Le dépôt le plus simple et le plus rapide pour entraîner/affiner des GPT de taille moyenne.
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.
Le dépôt fournit le code pour exécuter l'inférence avec le Meta Segment Anything Model 2 (SAM 2), des liens pour télécharger les points de contrôle du modèle entraîné et des exemples de notebooks qui montrent comment utiliser le modèle.
Le dépôt fournit le code pour exécuter l'inférence et le réglage fin avec le Meta Segment Anything Model 3 (SAM 3), des liens pour télécharger les points de contrôle du modèle entraîné, et des cahiers d'exemples qui montrent comment utiliser le modèle.
Ce projet vise à reproduire Sora (modèle T2V d'OpenAI), nous souhaitons que la communauté open source contribue à ce projet.
Kimi K2 est la série de grands modèles linguistiques développés par l'équipe Moonshot AI.
Qwen-Image est un puissant modèle fondamental de génération d'images capable de rendus de texte complexes et d'édition d'images précise.
Fondamentaux des Grands Modèles : Comprenez les bases des grands modèles en un seul article
Large World Model -- Modélisation de texte et de vidéo avec des millions de contextes
[ICLR 2024] Modèles de Langage Efficaces en Streaming avec des Puits d'Attention
Ceci est un simple projet de tutoriel technique科普, axé principalement sur l'explication de concepts et de principes technologiques intéressants et de pointe. Chaque article vise à être lu en 5 minutes.
Génération de texte Transformer simple et efficace, native de pytorch, en moins de 1000 lignes de code Python.
[ICLR 2024] Fine-tuning de LLaMA pour suivre les instructions en 1 heure et 1,2 million de paramètres
DeepSeek-V2 : un modèle linguistique Mixture-of-Experts puissant, économique et efficace
Une liste finalement complète de papiers sur Vision Transformer/Attention, incluant papiers, codes et sites Web associés
Code et modèles PyTorch pour l'apprentissage autorégressif VJEPA2 à partir de vidéos.
Utilisation de Bert, ERNIE pour la classification de texte chinois
"Build a Large Language Model (From Scratch)" est un livre électronique qui explore en profondeur les principes et la mise en œuvre des grands modèles linguistiques, s'adressant aux apprenants qui souhaitent comprendre en détail l'architecture, le processus d'entraînement et le développement d'applications de grands modèles tels que GPT. Afin de permettre à davantage de lecteurs chinois d'accéder à ce manuel d'une valeur exceptionnelle, j'ai décidé de le traduire en chinois et de le partager en open source via GitHub.
[CVPR2025 Highlight] Modèles Fondamentaux de Génération Vidéo : https://saiyan-world.github.io/goku/
Base de code officielle pour Decision Transformer : Apprentissage par renforcement via la modélisation de séquences.
Cet entrepôt enregistre principalement les questions d'entretien relatives aux ingénieurs d'algorithmes de grands modèles (LLM).
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
Ceci est le dépôt officiel de "The Hundred-Page Language Models Book" par Andriy Burkov
Un LLM entraîné uniquement sur des données de certaines périodes pour réduire les biais modernes
Foire aux questions
Quel est le dépôt #transformer-architecture le plus populaire sur GitHub ?
Le projet #transformer-architecture open source le mieux classé sur GitHub est karpathy/nanoGPT, avec 64,617 étoiles. Le dépôt le plus simple et le plus rapide pour entraîner/affiner des GPT de taille moyenne.
Quels langages de programmation sont les plus utilisés dans les dépôts #transformer-architecture ?
Parmi les projets #transformer-architecture les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Makefile, TypeScript.
Comment le classement des dépôts #transformer-architecture est-il calculé ?
Nous suivons 147 dépôts open source actifs associés à #transformer-architecture (500+ étoiles), totalisant 594,368 étoiles, avec une moyenne de 4,043 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.