#transformers リポジトリ
リポジトリ合計273件
200種類以上の視覚言語モデル(VLM/MLLM)アーキテクチャを厳選したビジュアルカタログ。論文、図解、学習レシピ、データセットに加え、マルチモーダルAIエージェントのリリース年表を掲載。
Agentエンジニアのための最も包括的な学習ロードマップ · ゼロからAIエンジニアリングを極める · 20段階・542レッスン · 中国語の完全翻訳+関連サイト+アニメーション解説動画 · AI Agentエンジニアになるための修練ガイド
HF、vLLM、SGLangを介して、Nvidia CUDA、AMD ROCm、Intel XPU、Tenstorrent、Huawei Ascend NPU、およびIntel/AMD/Apple CPUのハードウェアアクセラレーションに対応する、LLMモデルの量子化(圧縮)ツールキット。
Whisper音声認識モデルをファインチューニングし、タイムスタンプデータなしでのトレーニング、タイムスタンプデータありでのトレーニング、音声データなしでのトレーニングをサポートします。推論を高速化し、Webデプロイメント、Windowsデスクトップデプロイメント、Androidデプロイメントをサポートします
[ICLR'24 spotlight] 中国語・英語マルチモーダル大規模モデルシリーズ(チャットとペイント)| CPM基盤モデルに基づく中英バイリンガルマルチモーダル大規模モデルシリーズ
ByteDance AI Labs による音楽ソース分離のための SOTA アテンションネットワーク、Band Split Roformer の実装
すべてのスタンフォードチートシート:人工知能、トランスフォーマー、LLM、ディープラーニング、機械学習、確率、統計、代数および微積分。
[ICCV 2025] 人間のアーティストのような、あらゆるものからメッシュへ。 「MeshAnything V2: Artist-Created Mesh Generation With Adjacent Mesh Tokenization」の公式実装。
BERTからGPT-4までのTransformerモデル、Hugging FaceからOpenAIまでの環境。ファインチューニング、トレーニング、プロンプトエンジニアリングの例。ChatGPT、GPT-3.5-turbo、GPT-4、DALL-Eを含むボーナスセクションには、GPT-4のジャンプスタート、音声からテキストへの変換、テキストから音声への変換、DALL-Eによるテキストから画像への生成、Google Cloud AI、HuggingGPTなどが含まれます。
論文「GECToR – Grammatical Error Correction: Tag, Not Rewrite」(BEA-20) および「Text Simplification by Tagging」(BEA-21) の公式実装
わずか20Mのパラメーターで、ブラウザで動作するミニマルなSOTA LaTeX OCRモデル。自己学習・再現のために、完全なトレーニングパイプラインを提供。 | 超軽量SOTA LaTeX数式認識モデル、パラメータはわずか20M、ブラウザで実行可能。自己学習・再現のために、トレーニングの全プロセスコードをオープンソース化。
このリポジトリは、ニューラルネットワークを用いたコンピュータービジョンのコミュニティ主導コースの拠点です。Hugging Face Discord にぜひご参加ください: hf.co/join/discord
概要 このリポジトリは、最もエキサイティングで影響力のあるCVPR 2025の論文を厳選したコレクションです。🔥 [論文 + コード + デモ]