#transformers Dépôts
273 dépôts au total
Catalogue visuel soigneusement sélectionné de plus de 200 architectures de modèles de vision et de langage (VLM/MLLM) : articles, schémas, recettes d’entraînement, jeux de données et calendrier de publication des agents d’IA multimodaux.
Le parcours d’apprentissage le plus complet pour les ingénieurs en agents · Maîtrisez l’ingénierie de l’IA en partant de zéro · 20 étapes, 542 leçons · Traduction intégrale en chinois + site web associé + vidéos explicatives animées · Guide pour devenir ingénieur en agents d’IA
Une collection de ressources sur les applications des Transformeurs en imagerie médicale.
Boîte à outils de quantification (compression) de modèles LLM, avec prise en charge de l’accélération matérielle pour Nvidia CUDA, AMD ROCm, Intel XPU, Tenstorrent, les NPU Huawei Ascend et les processeurs Intel/AMD/Apple via HF, vLLM et SGLang.
Protection de la vie privée en local : anonymisez vos documents avant de les partager avec des LLM.
Un primer d'apprentissage automatique construit à partir des premiers principes. Pour les ingénieurs qui veulent raisonner sur les systèmes ML comme ils raisonnent sur les systèmes logiciels.
[CVPR'25] Tora : Transformer de diffusion orienté trajectoire pour la génération vidéo
Article accepté par CIKM 2024. Codes de GongBU, une plateforme de fine-tuning LLM pour l'adaptation spécifique à un domaine.
Utilitaire Go simple pour télécharger des modèles et des jeux de données HuggingFace
Affinage du modèle de reconnaissance vocale Whisper pour prendre en charge l'entraînement sans données d'horodatage, l'entraînement avec données d'horodatage et l'entraînement sans données vocales. Accélérer l'inférence et prendre en charge le déploiement Web, le déploiement sur le bureau Windows et le déploiement Android
Framework de compression de réseau neuronal pour une inférence OpenVINO™ améliorée
Kimi-VL : Modèle Vision-Langage Mixture-of-Experts pour le Raisonnement Multimodal, la Compréhension du Long Contexte et de Fortes Capacités d'Agent
Modèles Fondamentaux Multimodaux de Pointe pour la Compréhension d'Images et de Vidéos
Une bibliothèque d'apprentissage profond pour la classification des tâches (signaux) EEG, basée sur TensorFlow.
Ming (MING) : Grand modèle linguistique pour la consultation médicale chinoise
DataDreamer: Prompt. Générer des données synthétiques. Entraîner et aligner des modèles. 🤖💤
Publication officielle du code et des points de contrôle pour les modèles fondamentaux de robots mobiles : GNM, ViNT et NoMaD.
Du Tensor à Stable Diffusion, un plan approximatif pour un cours de 10 semaines.
[ICLR'24 spotlight] Série de Grands Modèles Multimodaux Chinois et Anglais (Chat et Peinture) | Série de Grands Modèles Multimodaux Bilingues Chinois-Anglais Basée sur le Modèle de Base CPM
🤗 Une liste de merveilleux projets et applications open-source intégrés aux bibliothèques Hugging Face.
Un modèle généraliste transparent pour une compréhension holistique vision-langage médicale
Implémentation de Band Split Roformer, un réseau d'attention SOTA pour la séparation de sources musicales issu des ByteDance AI Labs
Optimisation des LLM sans larmes💦 ; Sample Design Engineering (SDE) pour un réglage en aval plus efficace.
Toutes les fiches pratiques de Stanford : Intelligence Artificielle, Transformers, LLM, Deep Learning, Machine Learning, Probabilités, Statistiques, Algèbre et Calcul.
[ICCV 2025] De tout à maillage comme les artistes humains. Impl. officielle de "MeshAnything V2: Artist-Created Mesh Generation With Adjacent Mesh Tokenization"
1 ligne pour des milliers de modèles NLP à la pointe de la technologie dans des centaines de langues. La manière la plus rapide et la plus précise de résoudre les problèmes de texte.
MAT : Transformateur conscient du masque pour l'inpainting d'images à grands trous
Modèle de base vidéo de niveau industriel pour la génération unifiée de texte en vidéo (T2V) et d'image en vidéo (I2V).
Modèles Transformer de BERT à GPT-4, environnements de Hugging Face à OpenAI. Exemples de fine-tuning, d'entraînement et d'ingénierie des prompts. Une section bonus avec ChatGPT, GPT-3.5-turbo, GPT-4 et DALL-E, y compris le démarrage rapide de GPT-4, la reconnaissance vocale, la synthèse vocale, la génération de texte en image avec DALL-E, Google Cloud AI, HuggingGPT, et plus encore.
Implémentation officielle des articles "GECToR – Grammatical Error Correction: Tag, Not Rewrite" (BEA-20) et "Text Simplification by Tagging" (BEA-21)"
Agent de recherche approfondi pour vous aider à trouver les meilleurs référentiels GitHub 🕵️ !
Implémentation de Muse : Génération de texte en image via des transformeurs génératifs masqués en Pytorch
Un modèle OCR LaTeX SOTA minimaliste avec seulement 20M de paramètres, fonctionnant dans le navigateur. Pipeline d'entraînement complet disponible pour l'auto-reproduction. | Modèle de reconnaissance de formule LaTeX SOTA ultraléger avec seulement 20M de paramètres, fonctionnant dans le navigateur. Code complet du pipeline d'entraînement open source pour l'auto-apprentissage et la reproduction.
Ce dépôt est la base d'un cours piloté par la communauté sur la vision par ordinateur avec réseaux neuronaux. N'hésitez pas à nous rejoindre sur le Discord de Hugging Face : hf.co/join/discord
TriplaneGaussian : Une nouvelle représentation hybride pour la reconstruction 3D à partir d'une seule vue.
À propos Ce dépôt est une collection organisée des articles les plus passionnants et influents de la CVPR 2025. 🔥 [Paper + Code + Demo]