#seq2seq Repositórios
Descubra 25 repositórios ativos de código aberto no GitHub marcados com #seq2seq, acumulando um total de 56,290 estrelas (uma média de 2,251 por projeto). O líder deste tópico é emilwallner/Screenshot-to-code, com 16,517 estrelas.
25 repositórios no total
Uma rede neural que transforma um protótipo de design em um site estático.
Tutoriais sobre a implementação de alguns modelos de sequência para sequência (seq2seq) com PyTorch e TorchText.
Jogar dísticos com modelo seq2seq. Fazer dísticos com aprendizado profundo.
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.
Modelos Conceituais Grandes: Modelagem de linguagem em um espaço de representação de sentenças
Projetos de Chatbot Incríveis, Corpus, Artigos, Tutoriais. Chatbot Chinês =>:
DELTA é uma plataforma de processamento de linguagem natural e fala baseada em aprendizado profundo. Projetos LF AI & DATA: https://lfaidata.foundation/projects/delta/
Transformers4Rec é uma biblioteca flexível e eficiente para recomendação sequencial e baseada em sessão que funciona com PyTorch.
:art: Reconhecimento Aprimorado de Fórmulas Matemáticas: Suporta fórmulas manuscritas e impressas em chinês/inglês, com raciocínio de símbolos primário (base de dados estruturada em Árvore de Sintaxe Abstrata LaTeX) Math Formula OCR Pro, supports handwrite, Chinese-mixed formulas and simple symbol reasoning (based on LaTeX AST).
Estrutura de sequência para sequência com foco em Tradução Automática Neural baseada em PyTorch
Esta série o levará em uma jornada dos fundamentos de NLP e Visão Computacional até o que há de mais avançado em Modelos de Visão-Linguagem.
💁 Tesouro Incrível de Modelos Transformer para Processamento de Linguagem Natural contém artigos, vídeos, blogs, repositórios oficiais juntamente com Notebooks Colab. 🛫☑️
TextGen: Implementação de modelos de Geração de Texto, incluindo LLaMA, BLOOM, GPT2, BART, T5, SongNet e assim por diante. Geração de texto, com treinamento e previsão de modelos como LLaMA, ChatGLM, BLOOM, GPT2, Seq2Seq, BART, T5, UDA, etc., prontos para usar.
Uma linha para milhares de modelos de PNL de ponta em centenas de idiomas. A maneira mais rápida e precisa de resolver problemas de texto.
Código-fonte para o modelo de diálogo ponta a ponta do artigo MultiWOZ (Budzianowski et al. 2018, EMNLP)
Agente de pesquisa aprofundada para ajudar você a encontrar os melhores repositórios do GitHub 🕵️!
tfts: Modelos de Deep Learning de Séries Temporais em TensorFlow
Classificação de texto multirrótulo, classificação multirrótulo, classificação de texto, multi-label, classificador, text classification, BERT, seq2seq, attention, multi-label-classification
Geração de comandos Bash a partir de linguagem natural https://arxiv.org/abs/1802.08979
Perguntas Frequentes
Qual é o repositório de #seq2seq mais popular no GitHub?
O projeto de código aberto de #seq2seq mais bem classificado no GitHub é emilwallner/Screenshot-to-code, com 16,517 estrelas. Uma rede neural que transforma um protótipo de design em um site estático.
Quais linguagens de programação são mais usadas nos repositórios de #seq2seq?
Entre os projetos de #seq2seq mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, HTML, NewLisp.
Como é calculada a classificação dos repositórios de #seq2seq?
Acompanhamos 25 repositórios ativos de código aberto marcados com #seq2seq (com mais de 500 estrelas), totalizando 56,290 estrelas e uma média de 2,251 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.