#neural-search Repositórios
Descubra 14 repositórios ativos de código aberto no GitHub marcados com #neural-search, acumulando um total de 114,302 estrelas (uma média de 8,164 por projeto). O líder deste tópico é qdrant/qdrant, com 35,653 estrelas.
14 repositórios no total
Qdrant - Banco de Dados Vetorial de alto desempenho e em escala massiva e Motor de Busca Vetorial para a próxima geração de IA. Também disponível na nuvem https://cloud.qdrant.io/
Weaviate é um banco de dados vetorial de código aberto que armazena objetos e vetores, permitindo a combinação de busca vetorial com filtragem estruturada, com a tolerância a falhas e escalabilidade de um banco de dados nativo da nuvem.
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
MTEB: Avaliação de ponta de embeddings em diferentes idiomas e modalidades
SeekStorm: busca vetorial e lexical - biblioteca em processo e servidor multi-tenant, em Rust.
A escolha open-source do cientista de dados para dimensionar, avaliar e manter dados de linguagem natural. Trate os dados de treinamento como um artefato de software.
Um banco de dados vetorial de alto desempenho que aproveita a computação paralela em grafos
Extensão de banco de dados vetorial do PostgreSQL para construção de aplicações de IA
O repositório principal para pesquisa e desenvolvimento de ponta em Respostas a Perguntas Multilíngues.
Perguntas Frequentes
Qual é o repositório de #neural-search mais popular no GitHub?
O projeto de código aberto de #neural-search mais bem classificado no GitHub é qdrant/qdrant, com 35,653 estrelas. Qdrant - Banco de Dados Vetorial de alto desempenho e em escala massiva e Motor de Busca Vetorial para a próxima geração de IA. Também disponível na nuvem https://cloud.qdrant.io/
Quais linguagens de programação são mais usadas nos repositórios de #neural-search?
Entre os projetos de #neural-search mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Rust, Go, C++.
Como é calculada a classificação dos repositórios de #neural-search?
Acompanhamos 14 repositórios ativos de código aberto marcados com #neural-search (com mais de 500 estrelas), totalizando 114,302 estrelas e uma média de 8,164 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.