#pretrained-models Repository
Scopri 66 repository GitHub open source attivi contrassegnati con #pretrained-models, che raccolgono un totale di 475,350 stelle (con una media di 7,202 stelle per progetto). Il progetto leader di questo argomento è huggingface/transformers, con 169,339 stelle.
66 repository in totale
🤗 Transformers: il framework di definizione dei modelli per modelli di machine learning all'avanguardia in testo, visione, audio e modelli multimodali, sia per l'inferenza che per l'addestramento.
La più grande collezione di encoder di immagini PyTorch / backbone. Inclusi script di training, eval, inferenza, export e pesi preaddestrati -- ResNet, ResNeXT, EfficientNet, NFNet, Vision Transformer (ViT), MobileNetV4, MobileNet-V3 & V2, RegNet, DPN, CSPNet, Swin Transformer, MaxViT, CoAtNet, ConvNeXt e altro
Il repository ufficiale di Qwen (通义千问), il modello linguistico di grandi dimensioni pre-addestrato e di chat proposto da Alibaba Cloud.
Libreria LLM e SLM facile da usare e potente con un eccezionale zoo di modelli.
Blocchi di costruzione neurali per la diarizzazione del parlante: rilevamento dell'attività vocale, rilevamento del cambio di parlante, rilevamento del discorso sovrapposto, embedding del parlante
Esegui LLM a casa, in stile BitTorrent. Fine-tuning e inferenza fino a 10 volte più veloci rispetto all'offloading.
Un toolkit estensibile per il fine-tuning e l'inferenza di grandi modelli di base. Grandi modelli per tutti.
Rilascio ufficiale della serie InternLM (InternLM, InternLM2, InternLM2.5, InternLM3).
un modello linguistico visivo aperto all'avanguardia | modello pre-addestrato multimodale
Chronos: Modelli pre-addestrati per la previsione di serie temporali
Modelli Silero: modelli text-to-speech pre-addestrati resi incredibilmente semplici
Versione cinese di CLIP che ottiene il recupero cross-modale e la generazione di rappresentazioni in cinese.
Un forziere per la classificazione e il riconoscimento visivo, potenziato da PaddlePaddle
Un framework modulare per la ricerca multimodale su visione e linguaggio da Facebook AI Research (FAIR)
Modelli NLP Cinesi Pre-addestrati Fantastici, Raccolta di Modelli Pre-addestrati Cinesi di Alta Qualità & Modelli Grandi & Modelli Multimodali & Modelli di Linguaggio Grandi
Superduper: Framework end-to-end per la creazione di applicazioni e agenti AI personalizzati.
Modelli pre-addestrati PyTorch per rilevamento del viso (MTCNN) e riconoscimento facciale (InceptionResnet)
Un repository per l'archiviazione di modelli che sono stati convertiti tra vari framework. I framework supportati sono TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite (Float32/16/INT8), EdgeTPU, CoreML.
"Grandi Modelli Linguistici" di: Zhao Xin, Li Junyi, Zhou Kun, Tang Tianyi, Wen Jirong
LimiX: Liberare la capacità di modellazione dei dati strutturati per un’intelligenza generalista https://arxiv.org/abs/2609.17488
Backbone AI efficienti inclusi GhostNet, TNT e MLP, sviluppati da Huawei Noah's Ark Lab.
Benchmark di Valutazione della Comprensione della Lingua Cinese: dataset, baseline, modelli pre-addestrati, corpus e leaderboard
Fengshenbang-LM (封神榜大模型) è un sistema open-source di grandi modelli guidato dal Research Center for Cognitive Computing and Natural Language Processing dell'IDEA Institute, che funge da infrastruttura per l'AIGC cinese e l'intelligenza cognitiva.
Modello linguistico pre-addestrato e relative tecniche di ottimizzazione sviluppate da Huawei Noah's Ark Lab.
Toolkit per la separazione di fonti audio basato su PyTorch per ricercatori
Repository ufficiale di OFA (ICML 2022). Paper: OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework
TorchMultimodal è una libreria PyTorch per l'addestramento di modelli multimodali multi-task all'avanguardia su larga scala.
Addestramento all-in-one per modelli di visione (YOLO, ViTs, RT-DETR, DINOv3): pre-addestramento, fine-tuning, distillazione.
EfficientNet pre-addestrato, EfficientNet-Lite, MixNet, MobileNetV3 / V2, MNASNet A1 e B1, FBNet, Single-Path NAS
Questo repo contiene implementazioni di diverse architetture per il riconoscimento delle emozioni nelle conversazioni.
Toolkit per segmentare il testo in frasi o altre unità semantiche in modo robusto, efficiente e adattabile.
Addestramento e inferenza distribuiti per la percezione multimodale: embedding condivisi per testo, immagini, video, audio, codice e grafi, da 64 a 1024 dimensioni 🖼️
💁 Fantastico tesoro di modelli Transformer per l'elaborazione del linguaggio naturale contiene articoli, video, blog, repository ufficiali insieme a notebook Colab. 🛫☑️
SwissArmyTransformer è una libreria flessibile e potente per sviluppare le proprie varianti di Transformer.
Domande frequenti
Qual è il repository #pretrained-models più popolare su GitHub?
Il progetto open source #pretrained-models più alto in classifica su GitHub è huggingface/transformers, con 169,339 stelle. 🤗 Transformers: il framework di definizione dei modelli per modelli di machine learning all'avanguardia in testo, visione, audio e modelli multimodali, sia per l'inferenza che per l'addestramento.
Quali linguaggi di programmazione sono più utilizzati nei repository #pretrained-models?
Tra i progetti #pretrained-models più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C++, Cuda.
Come viene calcolata la classifica dei repository #pretrained-models?
Monitoriamo 66 repository open source attivi contrassegnati con #pretrained-models (500+ stelle), per un totale di 475,350 stelle e una media di 7,202 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.