#bert Repository
Scopri 109 repository GitHub open source attivi contrassegnati con #bert, che raccolgono un totale di 287,319 stelle (con una media di 2,635 stelle per progetto). Il progetto leader di questo argomento è datawhalechina/leedl-tutorial, con 16,879 stelle.
109 repository in totale
《Tutorial di Deep Learning di Li Hongyi》(Raccomandato dal professor Li Hongyi 👍, Apple Books 🍎), Link per il download PDF: https://github.com/datawhalechina/leedl-tutorial/releases
Tutorial sull'Elaborazione del Linguaggio Naturale per Ricercatori di Deep Learning
Libreria LLM e SLM facile da usare e potente con un eccezionale zoo di modelli.
🏄 Embedding scalabile, ragionamento, ranking per immagini e frasi con CLIP
Questo repository contiene demo che ho realizzato con la libreria Transformers di HuggingFace.
💥 Tokenizzatori all'avanguardia veloci ottimizzati per Ricerca e Produzione
Pre-Addestramento con Mascheramento di Parola Intera per Chinese BERT (Serie di modelli Chinese BERT-wwm)
Modelli NLP Cinesi Pre-addestrati Fantastici, Raccolta di Modelli Pre-addestrati Cinesi di Alta Qualità & Modelli Grandi & Modelli Multimodali & Modelli di Linguaggio Grandi
Sviluppato da Turing's Cat, la prima generazione di intelligenza artificiale creativa, basata su GPT2.0 open-source | Scalabile, evolvibile
Tutorial per iniziare con PyTorch e TorchText per l'analisi del sentiment.
Benchmark di Valutazione della Comprensione della Lingua Cinese: dataset, baseline, modelli pre-addestrati, corpus e leaderboard
Questo repository raccoglie principalmente appunti di lettura di articoli presentati a conferenze di alto livello, pertinenti agli ingegneri di algoritmi NLP.
Soluzioni NLP cinesi (grandi modelli, dati, modelli, addestramento, inferenza)
🧠💬 Articoli che ho scritto sull'apprendimento automatico, archiviati da MachineCurve.com.
Guida rapida alla teoria e all'applicazione pratica dell'IA: concetti di base, Transformer, NLP, ML, DL, competizioni. Include abbondanti annotazioni e set di dati, con l'obiettivo che chiunque possa comprendere e riprodurre.
Corsi introduttivi di deep learning, corsi avanzati, corsi speciali, casi accademici, casi di pratica industriale, enciclopedia della conoscenza di deep learning e banca di domande per colloqui Il corso, il caso e la conoscenza di Deep Learning e AI
Framework per Modelli di Pre-allenamento Open Source in PyTorch & Zoo di Modelli Pre-allenati
Pipeline NLP native di Rust pronti all'uso e modelli basati su transformer (BERT, DistilBERT, GPT2, ...)
Modelli base Chinese-LLaMA 1&2, Chinese-Falcon; Modello di dialogo cinese ChatFlow; Modello Chinese-OpenLLaMA; Dataset per pre-training/fine-tuning su istruzioni NLP
vogliamo creare un repo per illustrare l'uso dei transformer in cinese
Una libreria unificata per l'apprendimento per trasferimento efficiente in termini di parametri e modulare
Tutorial Jupyter Notebook per risolvere problemi del mondo reale con Machine Learning & Deep Learning usando PyTorch. Argomenti: Rilevamento facciale con Detectron 2, Rilevamento anomalie nelle serie temporali con LSTM Autoencoders, Rilevamento oggetti con YOLO v5, Costruisci la tua prima Neural Network, Previsione serie temporali per i casi giornalieri di Coronavirus, Analisi del sentimento con BER
Toolkit per l'apprendimento automatico, l'elaborazione del linguaggio naturale e la generazione di testo in TensorFlow. Questo fa parte del progetto CASL: http://casl-project.ai/
Kashgari è un framework di apprendimento trasferito NLP a livello di produzione costruito su tf.keras per l'etichettatura del testo e la classificazione del testo, include Word2Vec, BERT e GPT2 Language Embedding.
Un benchmark eterogeneo per il recupero delle informazioni. Facile da usare, valuta i tuoi modelli su oltre 15 diversi set di dati IR.
Collezione di encoder-decoder di ALIbaba dal MinD (Machine Intelligence of Damo) Lab
[CVPR 2021] Implementazione ufficiale PyTorch per Transformer Interpretability Beyond Attention Visualization, un nuovo metodo per visualizzare classificazioni da reti basate su Transformer.
Classificazione testo lungo in cinese, classificazione frasi brevi, classificazione multi-etichetta, similarità di due frasi (Chinese Text Classification of Keras NLP, multi-label classify, or sentence classify, long or short), strato di embedding vettoriale per caratteri/parole/frasi (embeddings) e strato di rete (graph) classe base di costruzione, FastText, TextCNN, CharCNN, TextRNN, RCNN, DCNN, DPCNN, VDCNN, CRNN, Bert, Xlnet, Albert, Attention, DeepMoji, HAN, Rete a Capsula-CapsuleNet, Transformer-encode, Seq2seq, SWEM, LEAM, TextGCN
Portare BERT nell'era moderna attraverso modifiche architetturali e il ridimensionamento
Monitoraggio, ricerca e applicazione di tecnologie all’avanguardia come l’elaborazione del linguaggio naturale, i grafi della conoscenza, i modelli linguistici di grandi dimensioni e gli agenti.
PaddleSlim è una libreria open-source per la compressione di modelli profondi e la ricerca di architetture.
un runtime veloce e user-friendly per l'inferenza di transformer (Bert, Albert, GPT2, Decoders, ecc.) su CPU e GPU.
Questo progetto ha progettato e implementato un sistema intelligente di domande e risposte mediche basato su RAG (Retrieval-Augmented Generation) con grafi di conoscenza e modelli linguistici di grandi dimensioni. Basato sul set di dati medico DiseaseKG e utilizzando Neo4j, il sistema costruisce un grafo di conoscenza di dominio che include 44.000 entità e 310.000 relazioni. Combinando il riconoscimento delle entità nominate BERT e il riconoscimento dell'intento tramite un modello 32B, il sistema mitiga efficacemente le allucinazioni dei modelli linguistici in ambito medico attraverso una ricerca precisa nel grafo e una generazione controllata delle risposte, migliorando significativamente l'accuratezza e l'affidabilità delle risposte.
Domande frequenti
Qual è il repository #bert più popolare su GitHub?
Il progetto open source #bert più alto in classifica su GitHub è datawhalechina/leedl-tutorial, con 16,879 stelle. 《Tutorial di Deep Learning di Li Hongyi》(Raccomandato dal professor Li Hongyi 👍, Apple Books 🍎), Link per il download PDF: https://github.com/datawhalechina/leedl-tutorial/releases
Quali linguaggi di programmazione sono più utilizzati nei repository #bert?
Tra i progetti #bert più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C++, Rust.
Come viene calcolata la classifica dei repository #bert?
Monitoriamo 109 repository open source attivi contrassegnati con #bert (500+ stelle), per un totale di 287,319 stelle e una media di 2,635 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.