#seq2seq Репозитории
Откройте для себя 25 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #seq2seq, с общим числом 56,290 звёзд (в среднем 2,251 на проект). Лидером этой темы является emilwallner/Screenshot-to-code, набравший 16,517 звёзд.
Всего репозиториев: 25
Нейронная сеть, которая преобразует макет дизайна в статический веб-сайт.
Учебные пособия по реализации нескольких моделей sequence-to-sequence (seq2seq) с помощью PyTorch и TorchText.
Играй в двустишие с моделью seq2seq. Составляй двустишия с помощью глубокого обучения.
Kashgari — это фреймворк для трансферного обучения NLP на производственном уровне, построенный на базе tf.keras для разметки текста и классификации текста, включает Word2Vec, BERT и GPT2 Language Embedding.
Крупные концептуальные модели: Языковое моделирование в пространстве представления предложений
Потрясающие проекты чат-ботов, корпусы, статьи, учебные пособия. Китайский чат-бот =>:
DELTA — это платформа обработки естественного языка и речи на основе глубокого обучения. LF AI & DATA Projects: https://lfaidata.foundation/projects/delta/
Transformers4Rec - это гибкая и эффективная библиотека для последовательных и сессионных рекомендаций, работающая с PyTorch.
:art: Улучшенная версия распознавания математических формул: Рукописные и печатные формулы на китайском и английском, поддерживает базовый вывод символов (структура данных на основе абстрактного синтаксического дерева LaTeX) Math Formula OCR Pro, поддерживает рукописный ввод, смешанные китайско-английские формулы и простое рассуждение символов (на основе LaTeX AST).
Фреймворк последовательность-к-последовательности с акцентом на нейронный машинный перевод на основе PyTorch
Эта серия проведет вас через путь от основ обработки естественного языка (NLP) и компьютерного зрения до передовых моделей визуализации и языка.
💁 Потрясающее сокровище моделей Transformer для обработки естественного языка содержит статьи, видео, блоги, официальные репозитории и ноутбуки Colab. 🛫☑️
TextGen: Реализация моделей генерации текста, включая LLaMA, BLOOM, GPT2, BART, T5, SongNet и так далее. Модели генерации текста, реализовали обучение и прогнозирование моделей, включая LLaMA, ChatGLM, BLOOM, GPT2, Seq2Seq, BART, T5, UDA и т.д., готовы к использованию.
1 строка для тысяч передовых NLP-моделей на сотнях языков. Самый быстрый и точный способ решения текстовых задач.
Исходный код для end-to-end модели диалога из статьи MultiWOZ (Budzianowski et al. 2018, EMNLP)
Глубокий исследовательский агент, который поможет вам найти лучшие репозитории GitHub 🕵️!
tfts: Модели глубокого обучения для временных рядов в TensorFlow
Многоклассовая текстовая классификация, многоклассовая классификация, текстовая классификация, multi-label, classifier, text classification, BERT, seq2seq, attention, multi-label-classification
Минималистичная модель Seq2Seq с механизмом внимания для нейронного машинного перевода на PyTorch
Генерация команд Bash из естественного языка https://arxiv.org/abs/1802.08979
Часто задаваемые вопросы
Какой репозиторий по теме #seq2seq наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #seq2seq на GitHub — emilwallner/Screenshot-to-code, набравший 16,517 звёзд. Нейронная сеть, которая преобразует макет дизайна в статический веб-сайт.
Какие языки программирования чаще всего используются в репозиториях по теме #seq2seq?
Среди наиболее высоко оценённых проектов по теме #seq2seq на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, HTML, NewLisp.
Как рассчитывается рейтинг репозиториев по теме #seq2seq?
Мы отслеживаем 25 активных репозиториев с открытым исходным кодом, отмеченных тегом #seq2seq (500 и более звёзд), с общим числом 56,290 звёзд и в среднем 2,251 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.