#vector-quantization Dépôts
Découvrez 15 dépôts GitHub open source actifs associés à #vector-quantization, cumulant 33,956 étoiles au total (soit une moyenne de 2,263 étoiles par projet). Le projet en tête de ce thème est openai/DALL-E, avec 10,872 étoiles.
15 dépôts au total
Kimi-Audio, un modèle fondamental audio open-source excellent dans la compréhension, la génération et la conversation audio
Une collection organisée d’articles, de benchmarks, de travaux de synthèse et d’outils sur la quantification des modèles, couvrant les réseaux à faible nombre de bits, les LLM, les modèles multimodaux et génératifs, la quantification vectorielle et par réseau, ainsi que le déploiement efficace.
:red_circle: MiniSom est une implémentation minimaliste des cartes d'auto-organisation
MiMo-Audio : Les modèles de langage audio sont des apprenants à quelques exemples
Un Modèle de Fondation Ouvert et Benchmark pour Accélérer la Recommandation Générative
[Spotlight ICLR 2024] Grand Modèle Cérébral pour l'Apprentissage de Représentations Génériques avec d'Énormes Données EEG en BCI
Implémentation Pytorch de VQGAN (Taming Transformers for High-Resolution Image Synthesis) (https://arxiv.org/pdf/2012.09841.pdf)
Foire aux questions
Quel est le dépôt #vector-quantization le plus populaire sur GitHub ?
Le projet #vector-quantization open source le mieux classé sur GitHub est openai/DALL-E, avec 10,872 étoiles. Package PyTorch pour le VAE discret utilisé pour DALL·E.
Quels langages de programmation sont les plus utilisés dans les dépôts #vector-quantization ?
Parmi les projets #vector-quantization les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++.
Comment le classement des dépôts #vector-quantization est-il calculé ?
Nous suivons 15 dépôts open source actifs associés à #vector-quantization (500+ étoiles), totalisant 33,956 étoiles, avec une moyenne de 2,263 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.