#pretrained-models Repositórios
Descubra 66 repositórios ativos de código aberto no GitHub marcados com #pretrained-models, acumulando um total de 475,350 estrelas (uma média de 7,202 por projeto). O líder deste tópico é huggingface/transformers, com 169,339 estrelas.
66 repositórios no total
🤗 Transformers: a estrutura de definição de modelos para modelos de machine learning de última geração em texto, visão, áudio e modelos multimodais, tanto para inferência quanto para treinamento.
A maior coleção de codificadores/backbones de imagem PyTorch. Incluindo scripts de treino, avaliação, inferência, exportação e pesos pré-treinados -- ResNet, ResNeXt, EfficientNet, NFNet, Vision Transformer (ViT), MobileNetV4, MobileNet-V3 & V2, RegNet, DPN, CSPNet, Swin Transformer, MaxViT, CoAtNet, ConvNeXt, e mais
O repositório oficial do chat e do modelo de linguagem grande pré-treinado Qwen (通义千问) proposto pela Alibaba Cloud.
Biblioteca de LLM e SLM poderosa e fácil de usar com um impressionante acervo de modelos.
Blocos de construção neurais para diarização de locutor: deteção de atividade de fala, deteção de mudança de locutor, deteção de fala sobreposta, incorporação de locutor
🌸 Execute LLMs em casa, no estilo BitTorrent. Ajuste fino e inferência até 10x mais rápido do que o descarregamento.
Um Kit de Ferramentas Extensível para Ajuste Fino e Inferência de Grandes Modelos de Base. Grandes Modelos para Todos.
Lançamento oficial da série InternLM (InternLM, InternLM2, InternLM2.5, InternLM3).
Chronos: Modelos Pré-treinados para Previsão de Séries Temporais
Modelos Silero: modelos de conversão de texto em fala pré-treinados tornados incrivelmente simples
Versão chinesa do CLIP que alcança a recuperação cross-modal e a geração de representação em chinês.
Um baú de tesouros para classificação e reconhecimento visual impulsionado por PaddlePaddle
Uma estrutura modular para pesquisa multimodal de visão e linguagem do Facebook AI Research (FAIR)
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.
Superduper: Framework de ponta a ponta para a criação de aplicações e agentes de IA personalizados.
Modelos pré-treinados de detecção de faces (MTCNN) e reconhecimento facial (InceptionResnet) em Pytorch
Um repositório para armazenar modelos que foram interconvertidos entre vários frameworks. Os frameworks suportados são TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite (Float32/16/INT8), EdgeTPU, CoreML.
"Grandes Modelos de Linguagem" por Zhao Xin, Li Junyi, Zhou Kun, Tang Tianyi, Wen Jirong
LimiX: Liberando a capacidade de modelagem de dados estruturados para uma inteligência generalista https://arxiv.org/abs/2609.17488
Estruturas de IA eficientes, incluindo GhostNet, TNT e MLP, desenvolvidas pelo Huawei Noah's Ark Lab.
Chinese Language Understanding Evaluation Benchmark: conjuntos de dados, linhas de base, modelos pré-treinados, corpus e quadro de líderes
Fengshenbang-LM (封神榜大模型) é um sistema de modelo grande de código aberto liderado pelo Centro de Pesquisa de Computação Cognitiva e Linguagem Natural do Instituto IDEA, tornando-se a infraestrutura para AIGC e inteligência cognitiva em chinês.
Modelo de linguagem pré-treinado e suas técnicas de otimização relacionadas desenvolvidas pelo Huawei Noah's Ark Lab.
O kit de ferramentas de separação de fontes de áudio baseado em PyTorch para pesquisadores
Repositório oficial do OFA (ICML 2022). Artigo: OFA: Unificando Arquiteturas, Tarefas e Modalidades Através de uma Estrutura Simples de Aprendizagem Sequência-para-Sequência
TorchMultimodal é uma biblioteca PyTorch para treinar modelos multitarefa multimodais de última geração em escala.
Treinamento completo para modelos de visão (YOLO, ViTs, RT-DETR, DINOv3): pré-treinamento, ajuste fino, destilação.
EfficientNet pré-treinado, EfficientNet-Lite, MixNet, MobileNetV3 / V2, MNASNet A1 e B1, FBNet, Single-Path NAS
Este repositório contém a implementação de diferentes arquiteturas para reconhecimento de emoções em conversas.
Kit de ferramentas para segmentar texto em frases ou outras unidades semânticas de forma robusta, eficiente e adaptável.
Treinamento e inferência distribuídos para percepção multimodal: embeddings compartilhados para texto, imagens, vídeo, áudio, código e grafos, de 64 a 1.024 dimensões 🖼️
💁 Tesouro Incrível de Modelos Transformer para Processamento de Linguagem Natural contém artigos, vídeos, blogs, repositórios oficiais juntamente com Notebooks Colab. 🛫☑️
SwissArmyTransformer é uma biblioteca flexível e poderosa para desenvolver suas próprias variantes de Transformer.
Perguntas Frequentes
Qual é o repositório de #pretrained-models mais popular no GitHub?
O projeto de código aberto de #pretrained-models mais bem classificado no GitHub é huggingface/transformers, com 169,339 estrelas. 🤗 Transformers: a estrutura de definição de modelos para modelos de machine learning de última geração em texto, visão, áudio e modelos multimodais, tanto para inferência quanto para treinamento.
Quais linguagens de programação são mais usadas nos repositórios de #pretrained-models?
Entre os projetos de #pretrained-models mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C++, Cuda.
Como é calculada a classificação dos repositórios de #pretrained-models?
Acompanhamos 66 repositórios ativos de código aberto marcados com #pretrained-models (com mais de 500 estrelas), totalizando 475,350 estrelas e uma média de 7,202 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.