#bert Repositórios
Descubra 109 repositórios ativos de código aberto no GitHub marcados com #bert, acumulando um total de 287,319 estrelas (uma média de 2,635 por projeto). O líder deste tópico é datawhalechina/leedl-tutorial, com 16,879 estrelas.
109 repositórios no total
"Li Hongyi Deep Learning Tutorial" (Recomendado pelo Professor Li Hongyi 👍, Livro da Apple 🍎), endereço para download em PDF: https://github.com/datawhalechina/leedl-tutorial/releases
Tutorial de Processamento de Linguagem Natural para Pesquisadores de Aprendizagem Profunda
Biblioteca de LLM e SLM poderosa e fácil de usar com um impressionante acervo de modelos.
🏄 Embeddings, raciocínio e classificação escaláveis para imagens e frases com CLIP
Este repositório contém demos que fiz com a biblioteca Transformers do HuggingFace.
Pré-treinamento com Mascaramento de Palavra Inteira para BERT Chinês (Modelos da série BERT-wwm em chinês)
Corpus Chinês de Grande Escala para Processamento de Linguagem Natural
Incríveis Modelos NLP Chineses Pré-treinados, uma coleção de modelos pré-treinados chineses de alta qualidade, grandes modelos, modelos multimodais e grandes modelos de linguagem.
Desenvolvido pelo Gato de Turing, a IA criativa de primeira geração baseada no GPT2.0 de código aberto | Escalável, Evoluível
Tutoriais sobre como começar com PyTorch e TorchText para análise de sentimentos.
Chinese Language Understanding Evaluation Benchmark: conjuntos de dados, linhas de base, modelos pré-treinados, corpus e quadro de líderes
Este repositório reúne principalmente notas de leitura de artigos de conferências de destaque relacionados à engenharia de algoritmos de PLN.
Soluções de PNL em Chinês (Grandes Modelos, Dados, Modelo, Treinamento, Inferência)
🧠💬 Artigos que escrevi sobre aprendizado de máquina, arquivados do MachineCurve.com.
Início Rápido na Teoria e Aplicações Práticas de IA: Fundamentos, Transformer, NLP, ML, DL e Competições. Contém uma grande quantidade de anotações e conjuntos de dados, visando garantir que todos possam entender e replicar.
Cursos introdutórios, avançados e especializados em Deep Learning; casos acadêmicos e práticos da indústria; enciclopédia de conhecimento em Deep Learning e banco de questões para entrevistas. Tudo sobre o curso, os casos e o conhecimento de Deep Learning e IA.
Top2Vec aprende conjuntamente vetores de tópicos, documentos e palavras incorporados.
Estrutura de Modelo de Pré-treinamento de Código Aberto em PyTorch e Zoológico de Modelos Pré-treinados
Pipelines de NLP nativas do Rust prontas para uso e modelos baseados em transformadores (BERT, DistilBERT, GPT2,...)
Modelos base Chinese-LLaMA 1&2, Chinese-Falcon; Modelo de diálogo em chinês ChatFlow; Modelo Chinese-OpenLLaMA; Conjuntos de dados de pré-treinamento/ajuste fino de instruções de PNL
Queremos criar um repositório para ilustrar o uso de transformers em chinês
Uma Biblioteca Unificada para Aprendizado de Transferência Paramétrico-Eficiente e Modular
Tutoriais de Jupyter Notebook sobre como resolver problemas do mundo real com Machine Learning e Deep Learning usando PyTorch. Tópicos: Detecção facial com Detectron 2, Detecção de anomalias em Séries Temporais com Autoencoders LSTM, Detecção de objetos com YOLO v5, Construa sua primeira Rede Neural, Previsão de Séries Temporais para casos diários de Coronavírus, Análise de Sentimentos com BER
Kit de ferramentas para aprendizado de máquina, processamento de linguagem natural e geração de texto em TensorFlow. Isso faz parte do projeto CASL: http://casl-project.ai/
Kashgari é um framework de Aprendizado por Transferência de PLN em nível de produção construído sobre o tf.keras para rotulagem de texto e classificação de texto, incluindo Word2Vec, BERT e GPT2 Language Embedding.
Um Benchmark Heterogêneo para Recuperação de Informação. Fácil de usar, avalie seus modelos em mais de 15 conjuntos de dados de RI diversos.
Redes Neurais Profundas de Múltiplas Tarefas para Compreensão de Linguagem Natural
Coleção de Codificadores-Decodificadores do Alibaba do Laboratório MinD (Machine IntelligeNce of Damo)
[CVPR 2021] Implementação oficial em PyTorch para a Interpretabilidade de Transformers Além da Visualização de Atenção, um método inovador para visualizar classificações por redes baseadas em Transformer.
Biblioteca autossuficiente de Machine Learning e Processamento de Linguagem Natural em Go
Classificação de texto longo em chinês, classificação de frases curtas, classificação multi-rótulo, similaridade de duas frases (Classificação de Texto Chinês Keras NLP, classificação multi-rótulo ou classificação de frases, longas ou curtas), classes base para construção de camadas de incorporação de palavras/frases (embeddings) e camadas de rede (graph), FastText, TextCNN, CharCNN, TextRNN, RCNN, DCNN, DPCNN, VDCNN, CRNN, Bert, Xlnet, Albert, Attention, DeepMoji, HAN, Rede Capsular-CapsuleNet, Transformer-encode, Seq2seq, SWEM, LEAM, TextGCN
Trazendo o BERT para a modernidade através de mudanças arquitetônicas e escalonamento
Acompanhamento, pesquisa e aplicação de tecnologias de ponta, como processamento de linguagem natural, grafos de conhecimento, grandes modelos de linguagem e agentes.
PaddleSlim é uma biblioteca de código aberto para compressão de modelos profundos e busca de arquitetura.
um runtime rápido e amigável para inferência de transformers (Bert, Albert, GPT2, Decoders, etc) em CPU e GPU.
Este projeto projetou e implementou um sistema inteligente de perguntas e respostas médicas baseado em RAG (Geração Aumentada por Recuperação) com grafos de conhecimento e grandes modelos de linguagem. Com base no conjunto de dados médico DiseaseKG e utilizando o Neo4j, o sistema constrói um grafo de conhecimento de domínio contendo 44.000 entidades e 310.000 relações. Ao combinar o reconhecimento de entidades nomeadas BERT com o reconhecimento de intenção por um modelo 32B, o sistema mitiga efetivamente as alucinações dos grandes modelos em cenários médicos através de uma recuperação precisa no grafo e geração controlada de respostas, aumentando significativamente a precisão e a confiabilidade das respostas.
🛸 Use transformadores pré-treinados como BERT, XLNet e GPT-2 no spaCy
Perguntas Frequentes
Qual é o repositório de #bert mais popular no GitHub?
O projeto de código aberto de #bert mais bem classificado no GitHub é datawhalechina/leedl-tutorial, com 16,879 estrelas. "Li Hongyi Deep Learning Tutorial" (Recomendado pelo Professor Li Hongyi 👍, Livro da Apple 🍎), endereço para download em PDF: https://github.com/datawhalechina/leedl-tutorial/releases
Quais linguagens de programação são mais usadas nos repositórios de #bert?
Entre os projetos de #bert mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C++, Rust.
Como é calculada a classificação dos repositórios de #bert?
Acompanhamos 109 repositórios ativos de código aberto marcados com #bert (com mais de 500 estrelas), totalizando 287,319 estrelas e uma média de 2,635 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.