#transformer-models Repository
Scopri 102 repository GitHub open source attivi contrassegnati con #transformer-models, che raccolgono un totale di 342,474 stelle (con una media di 3,357 stelle per progetto). Il progetto leader di questo argomento è facebookresearch/segment-anything, con 53,052 stelle.
102 repository in totale
Il repository fornisce il codice per l'esecuzione dell'inferenza con il SegmentAnything Model (SAM), collegamenti per il download dei checkpoint del modello addestrato e notebook di esempio che mostrano come utilizzare il modello.
Moshi è un modello di base speech-text e un framework di dialogo vocale full-duplex. Utilizza Mimi, un codec audio neurale in streaming all'avanguardia.
Blocchi costitutivi di Transformer modificabili e ottimizzati, che supportano una costruzione componibile.
Implementazione ufficiale del codice della General OCR Theory: verso OCR-2.0 tramite un modello unificato end-to-end
Zonos-v0.1 è un modello text-to-speech open-weight leader, addestrato su oltre 200.000 ore di parlato multilingue vario, che offre espressività e qualità pari, se non superiori, ai migliori provider TTS.
DeepSeek-Coder-V2: Abbattere la barriera dei modelli closed-source nell'intelligenza del codice
Codice per l'articolo "Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer"
Un elenco definitivo e completo di articoli su Vision Transformer/Attention, inclusi articoli, codici e siti Web correlati
[NeurIPS 2023] Implementazione ufficiale del paper "Segment Everything Everywhere All at Once"
Qwen3-omni è un LLM omnimodale sviluppato nativamente end-to-end dal team Qwen di Alibaba Cloud, in grado di comprendere testo, audio, immagini e video, nonché di generare voce in tempo reale.
Una libreria per l'interpretabilità meccanicistica dei modelli linguistici in stile GPT
[CVPR 2024 Highlight] FoundationPose: Stima e tracciamento unificati della posa 6D di nuovi oggetti
Addestramento minimalista di modelli linguistici di grandi dimensioni con parallelismo 3D
Repository per l'addestramento di modelli per la separazione di sorgenti musicali.
solo-learn: una libreria di metodi auto-supervisionati per l'apprendimento di rappresentazioni visive, potenziata da Pytorch Lightning
Risorse per il tracciamento di oggetti multipli (MOT)
Octo è una politica robotica basata su trasformatore addestrata su un mix diversificato di 800.000 traiettorie robotiche.
Pacchetto Swift per implementare un'API simile a transformers in Swift
Granite Code Models: Una famiglia di modelli fondazionali aperti per l'intelligenza del codice
LLM Transparency Tool (LLM-TT), uno strumento interattivo open-source per l'analisi del funzionamento interno dei modelli linguistici basati su Transformer. *Dai un'occhiata alla demo su* https://huggingface.co/spaces/facebook/llm-transparency-tool-demo
Un elenco curato di modelli di base per attività di visione e linguaggio
Allegro è un potente modello text-to-video che genera video di alta qualità fino a 6 secondi a 15 FPS e risoluzione 720p da semplici input di testo.
[CVPR 2021 & IJCV 2024]Ripensare la segmentazione semantica da una prospettiva sequence-to-sequence con i Transformer
Domande frequenti
Qual è il repository #transformer-models più popolare su GitHub?
Il progetto open source #transformer-models più alto in classifica su GitHub è facebookresearch/segment-anything, con 53,052 stelle. Il repository fornisce il codice per l'esecuzione dell'inferenza con il SegmentAnything Model (SAM), collegamenti per il download dei checkpoint del modello addestrato e notebook di esempio che mostrano come utilizzare il modello.
Quali linguaggi di programmazione sono più utilizzati nei repository #transformer-models?
Tra i progetti #transformer-models più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C++, Swift.
Come viene calcolata la classifica dei repository #transformer-models?
Monitoriamo 102 repository open source attivi contrassegnati con #transformer-models (500+ stelle), per un totale di 342,474 stelle e una media di 3,357 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.