#transformers Dépôts
Découvrez 273 dépôts GitHub open source actifs associés à #transformers, cumulant 1,416,375 étoiles au total (soit une moyenne de 5,188 étoiles par projet). Le projet en tête de ce thème est microsoft/generative-ai-for-beginners, avec 123,942 étoiles.
273 dépôts au total
Implémentez à partir de zéro un LLM de type ChatGPT dans PyTorch, étape par étape
Apprenez l’ingénierie de l’IA ! Apprenez-la. Construisez-la. Mettez-la à la disposition des autres.
🧑🏫 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, ... 🧠
ChatGLM-6B : Un modèle linguistique de dialogue bilingue open source | Modèle linguistique de dialogue bilingue open source
Implémentation du Vision Transformer, un moyen simple d'atteindre le SOTA en classification visuelle avec un seul encodeur transformer dans Pytorch
Qwen3-VL est la série de grands modèles linguistiques multimodaux développée par l'équipe Qwen d'Alibaba Cloud.
Plateforme IA privée pour agents, assistants et recherche d'entreprise. Agent Builder intégré, recherche approfondie, analyse de documents, prise en charge multi-modèles et connectivité API pour les agents.
Une collection de diverses architectures, modèles et astuces d'apprentissage profond
Machine Learning de pointe pour le web. Exécutez 🤗 Transformers directement dans votre navigateur, sans avoir besoin d'un serveur !
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.
Framework IA tout-en-un pour la recherche sémantique, l'orchestration LLM et les flux de travail de modèles linguistiques
Série ChatGLM3 : LLM de conversation bilingues ouverts | LLM de conversation bilingues ouverts
Une méthode simple pour entraîner votre LLM, du téléchargement des données à la génération de texte.
Bibliothèque LLM et SLM facile à utiliser et puissante avec un incroyable zoo de modèles.
Un framework open-source pour détecter, rédiger, masquer et anonymiser les données sensibles (PII) dans les textes, images et données structurées. Prend en charge le NLP, la correspondance de motifs et les pipelines personnalisables.
OpenVINO™ est un kit d'outils open source pour optimiser et déployer l'inférence IA.
Modèles de segmentation sémantique avec plus de 500 backbones convolutifs et basés sur des transformers pré-entraînés.
Ce dépôt contient des démos que j'ai réalisées avec la bibliothèque Transformers de HuggingFace.
💥 Tokenizers de pointe rapides optimisés pour la recherche et la production
Affinez les LLM à partir d'un YAML. Le streaming par couches entraîne un modèle 8B sur un GPU de laptop de 4 Go.
Application de traduction open source en temps réel pour Android qui s'exécute localement
Un framework RL agentique facile à utiliser, scalable et haute performance basé sur Ray (PPO & DAPO & REINFORCE++ & VLM & TIS & vLLM & Ray & Async RL)
SANA et Sol : modèles génératifs efficaces et moteurs complets d’entraînement et d’inférence pour la modélisation d’images, de vidéos et du monde
Plateforme d’inférence open source pour les modèles de langage, de vision, d’embeddings, de reclassement, d’image, d’audio et de vidéo. Déployez plusieurs moteurs sur du matériel hétérogène, d’un ordinateur portable à un cluster distribué. Servez des modèles via des API compatibles avec OpenAI.
[NeurIPS 2024 Best Paper Award][GPT bat la diffusion🔥] [Lois d'échelle dans la génération visuelle📈] Implémentation officielle de "Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction". Une base de code *ultra-simple, conviviale mais à la pointe de la technologie* pour la génération d'images autorégressive !
Accélérer l'inférence et l'affinage des LLM locaux (LLaMA, Mistral, ChatGLM, Qwen, DeepSeek, Mixtral, Gemma, Phi, MiniCPM, Qwen-VL, MiniCPM-V, etc.) sur Intel XPU (par ex., PC local avec iGPU et NPU, GPU discret comme Arc, Flex et Max); intégration fluide avec llama.cpp, Ollama, HuggingFace, LangChain, LlamaIndex, vLLM, DeepSpeed, Axolotl, etc.
Une bibliothèque text-to-speech (TTS), speech-to-text (STT) et speech-to-speech (STS) construite sur le framework MLX d'Apple, offrant une analyse vocale efficace sur Apple Silicon.
Utilisation de BERT et c-TF-IDF pour créer des sujets facilement interprétables.
Implémentation de RLHF (Reinforcement Learning with Human Feedback) par-dessus l'architecture PaLM. Essentiellement ChatGPT mais avec PaLM
Une implémentation de transformateurs autorégressifs à parallélisme de modèle sur GPU, basée sur les bibliothèques Megatron et DeepSpeed
SD.Next: WebUI tout-en-un pour la création, le sous-titrage et le traitement d'images et de vidéos générées par l'IA
Chronos : Modèles pré-entraînés pour la prévision de séries chronologiques
Ce dépôt est une collection organisée de liens vers divers cours et ressources sur l'intelligence artificielle (IA)
Version chinoise de CLIP qui permet la récupération intermodale et la génération de représentations en chinois.
⚡ Moteur d'inférence WebGPU en Rust pur — Compatible avec l'API OpenAI, natif GGUF, fonctionne sur n'importe quel GPU. Pas de Python. Pas de llama.cpp. Binaire unique.
Un transformeur full-attention concis mais complet doté d'un ensemble de fonctionnalités expérimentales prometteuses issues de divers articles
Recettes robustes pour aligner les modèles linguistiques sur les préférences humaines et de l'IA
Foire aux questions
Quel est le dépôt #transformers le plus populaire sur GitHub ?
Le projet #transformers open source le mieux classé sur GitHub est microsoft/generative-ai-for-beginners, avec 123,942 étoiles. 21 Leçons, Commencez à Créer avec l'IA Générative
Quels langages de programmation sont les plus utilisés dans les dépôts #transformers ?
Parmi les projets #transformers les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Rust, JavaScript.
Comment le classement des dépôts #transformers est-il calculé ?
Nous suivons 273 dépôts open source actifs associés à #transformers (500+ étoiles), totalisant 1,416,375 étoiles, avec une moyenne de 5,188 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.