#transformer Repositórios
208 repositórios no total
Coletar alguns artigos sobre transformer com visão. Awesome Transformer com Visão Computacional (CV)
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.
Towhee é uma estrutura dedicada a tornar os pipelines de processamento de dados neurais simples e rápidos.
Fábrica de fatores automatizada de código aberto baseada em aprendizado por reforço profundo.
Este repositório contém uma lista de leitura de artigos sobre Previsão/Predição de Séries Temporais (TSF) e Previsão/Predição Espaço-Temporal (STF). Esses artigos são categorizados principalmente de acordo com o tipo de modelo.
Pipelines de NLP nativas do Rust prontas para uso e modelos baseados em transformadores (BERT, DistilBERT, GPT2,...)
[AutoArk] O GPA (General Purpose Audio) pode realizar ASR, TTS e conversão de voz com um único modelo minúsculo!
Queremos criar um repositório para ilustrar o uso de transformers em chinês
Abrange dados de pré-treinamento, tokenizadores, Transformers, MoE, treinamento distribuído, leis de escalabilidade, inferência e alinhamento. 6 tarefas de programação progressivas para aprender LLMs de ponta a ponta.
🔥🔥🔥 Focado em modelos aprimorados YOLO11, YOLOv8, TYOLOv12, YOLOv10, RT-DETR, YOLOv7, YOLOv5. Suporte para melhorar os módulos backbone, neck, head, loss, IoU, NMS e outros 🚀
Uma lista com curadoria profissional de recursos incríveis (artigos, códigos, dados, etc.) sobre transformers em séries temporais.
Uma plataforma de aprendizado em circuito fechado de visão computacional onde o código pode ser executado interativamente online. Livro eletrônico em chinês sobre o ciclo de aprendizado de 'Visualização Computacional em Ação: Algoritmos e Aplicações', código-fonte, comunidade de intercâmbio com leitores (em constante atualização ...) 📘 Livro eletrônico online https://charmve.github.io/computer-vision-in-action/ 👇 Página inicial do projeto
Artigos de pesquisa e blogs para a transição para a Engenharia de IA
[CVPR 2022--Oral] Restormer: Transformer Eficiente para Restauração de Imagens de Alta Resolução. SOTA para desembaçamento de movimento, deschuviscamento de imagem, denoising (dados gaussianos/reais) e desembaçamento de desfocagem.
Modelos de linguagem grandes (LLMs) simplificados. O EasyLM é uma solução completa para pré-treinamento, ajuste fino, avaliação e disponibilização de LLMs em JAX/Flax.
Graphormer é uma base de aprendizado profundo de propósito geral para modelagem molecular.
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
🍅🍅🍅YOLOv5-Lite: Evoluído do yolov5 e o tamanho do modelo é de apenas 900+kb (int8) e 1.7M (fp16). Atinge 15 FPS no Raspberry Pi 4B~
Biblioteca PyTorch de aprendizado profundo para previsão de séries temporais, classificação e detecção de anomalias (originalmente para previsão de inundações).
Lumina-T2X é um framework unificado para Geração de Texto para Qualquer Modalidade
[Destaque CVPR 2025] Video Depth Anything: Estimativa de Profundidade Consistente para Vídeos Super Longos
📰 Artigos e blogs de leitura obrigatória sobre Modelagem de Longo Contexto baseada em LLM 🔥
Implementação oficial para "iTransformer: Inverted Transformers Are Effective for Time Series Forecasting" (Destaque ICLR 2024)
Modelos ASR de código aberto de nível industrial que suportam mandarim, dialetos chineses e inglês, alcançando um novo SOTA em benchmarks públicos de ASR em mandarim, ao mesmo tempo que oferecem capacidade excepcional de reconhecimento de letras de músicas.
A edição de código aberto do QuantMind (Cérebro Quantitativo) é uma plataforma de negociação quantitativa multimercado nativa de IA, voltada para desenvolvedores individuais e equipes de pesquisa e investimento. Ela integra profundamente o Microsoft Qlib, a evolução de fatores do RD-Agent e o ambiente de trabalho completo QuantBot, oferecendo um ciclo fechado completo que abrange a mineração de mais de 300 dimensões de fatores, uma fábrica de modelos com 13 modelos de aprendizado de máquina e aprendizado profundo, backtesting de alto desempenho com Qlib, inferência transversal em lote, análise de sentimento da opinião pública em tempo real 24 horas por dia, 7 dias por semana, integração avançada com o TongdaXin (notificações setoriais, radar de alertas e envio rápido de ordens), além de negociação real e simulada. Oferece suporte a ações A, ações de Hong Kong, ações dos EUA, futuros e blockchain. Pode ser usada comercialmente de forma gratuita e implantada de maneira privada com um clique por meio do Docker Compose. Dados e modelos são totalmente mantidos localmente para proteger a privacidade das estratégias, e todos os recursos estão disponíveis sem barreiras de entrada ou limitações.
Integração de modelos de deep learning para classificação de imagens | Projeto de aprendizado/comparação/modificação mágica de backbone
Uma lista selecionada de artigos e recursos sobre detecção de fraudes, anomalias e outliers baseada em Grafos/Transformers
Um framework de implantação de IA fácil de usar e de alto desempenho | An Easy-to-Use and High-Performance AI Deployment Framework
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
[ICML 2024] LLMCompiler: Um Compilador LLM para Chamada de Funções Paralelas
Importe arquivos SVG no seu projeto React Native da mesma forma que faria em uma aplicação Web.
[CVPR 2023] OneFormer: Um Transformer para Dominar a Segmentação Universal de Imagem
Um framework sem necessidade de programação, baseado em PyTorch, para estudos reproduzíveis de aprendizagem profunda. Ecossistema PyTorch. 🏆 Até o momento, foram implementados 28 métodos de destilação de conhecimento apresentados em TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV, AAAI etc. 🎁 Modelos treinados, registros de treinamento e configurações estão disponíveis para garantir a reprodutibilidade e facilitar a avaliação comparativa.
RLHF Seguro: Alinhamento de Valor Restrito via Aprendizagem por Reforço Segura a partir de Feedback Humano
PaddleSlim é uma biblioteca de código aberto para compressão de modelos profundos e busca de arquitetura.
Uma Base de Código Unificada de Aprendizado Semissupervisionado (NeurIPS'22)
Modelo Pequeno, Grande Lógica: Otimização Orientada pela Diversidade Evoca Habilidade de Raciocínio de Modelos Grandes no VibeThinker-1.5B
O Kernl permite que você execute modelos de transformadores PyTorch várias vezes mais rápido em GPU com uma única linha de código, e foi projetado para ser facilmente modificável (hackable).