#transformer Репозитории
Откройте для себя 208 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #transformer, с общим числом 1,197,728 звёзд (в среднем 5,758 на проект). Лидером этой темы является huggingface/transformers, набравший 169,339 звёзд.
Всего репозиториев: 208
🤗 Transformers: фреймворк определения моделей для передовых моделей машинного обучения в текстах, зрении, аудио и мультимодальных моделях, как для инференса, так и для обучения.
Высокопроизводительный и эффективный по памяти движок для инференса и обслуживания LLM
🧑🏫 60+ реализаций/руководств по статьям о глубоком обучении с заметками бок о бок 📝; включая трансформеры (оригинал, xl, switch, feedback, vit, ...), оптимизаторы (adam, adabelief, sophia, ...), gan (cyclegan, stylegan2, ...), 🎮 обучение с подкреплением (ppo, dqn), capsnet, дистилляцию, ... 🧠
Изменение языковых моделей без дополнительного обучения: снятие цензуры, подавление низкокачественного контента, снижение угодливости и многое другое
SGLang — это высокопроизводительный фреймворк для обслуживания больших языковых моделей и мультимодальных моделей.
Рейтинговый список потрясающих библиотек Python для машинного обучения. Обновляется еженедельно.
«Нейронные сети и глубокое обучение» Цю Сипэна, второе издание и общеобразовательное издание: электронная книга, содержание по главам, учебные ресурсы и список исправлений.
FreeToken переносит обслуживание моделей масштаба дата-центра на ваш рабочий стол. Запускайте масштабные модели локально, быстро и эффективно.
《Курс глубокого обучения Ли Хунъи》(Рекомендовано профессором Ли Хунъи 👍, Apple Books 🍎), Ссылка для скачивания PDF: https://github.com/datawhalechina/leedl-tutorial/releases
MNN: Сверхбыстрый и легковесный движок вывода, прошедший боевые испытания в Alibaba, обеспечивающий высокопроизводительные LLMs на устройстве и Edge AI.
pix2tex: Использование ViT для преобразования изображений уравнений в код LaTeX.
Руководство по обработке естественного языка для исследователей глубокого обучения
RWKV (произносится RwaKuv) — это RNN с отличной производительностью LLM, который также может быть напрямую обучен, как трансформер GPT (параллелизуемый). Мы находимся на RWKV-7 "Goose". Таким образом, он сочетает в себе лучшее от RNN и трансформера — отличная производительность, линейное время, постоянное пространство (без kv-кеша), быстрое обучение, бесконечная длина контекста (ctx_len) и бесплатное встраивание предложений.
Фреймворк для оценки языковых моделей на малом количестве примеров.
Мощный HTTP-клиент для Dart и Flutter, который поддерживает глобальные настройки, Interceptors, FormData, прерывание и отмену запроса, загрузку и скачивание файлов, тайм-аут запросов, пользовательские адаптеры и т. д.
Простой в использовании набор инструментов для речи, включающий модель самообучения, SOTA/потоковый ASR с пунктуацией, потоковый TTS с текстовым фронтендом, систему верификации спикера, перевод речи от начала до конца и распознавание ключевых слов. Получил награду Best Demo Award NAACL2022.
Модель Kimi K3 с 2,78 триллионами параметров, выполняющая логический вывод на одном процессоре с 8,24 ГБ оперативной памяти. Портативный C99: без BLAS, без фреймворков, без GPU.
Перевод манги и изображений — переводите текст на самых разных изображениях одним нажатием https://cotrans.touhou.ai/ https://greasyfork.org/en/scripts/437569-cotrans-manga-image-translator-regular-edition
Запускайте LLM дома в стиле BitTorrent. Дообучение и инференс до 10 раз быстрее, чем при выгрузке.
Простая в использовании библиотека для сегментации изображений с отличным зоопарком предобученных моделей, поддерживающая широкий спектр практических задач в Semantic Segmentation, Interactive Segmentation, Panoptic Segmentation, Image Matting, 3D Segmentation и т. д.
Расширяемый набор инструментов для тонкой настройки и вывода больших базовых моделей. Большие модели для всех.
Фреймворк для эффективной инференции модели с использованием омнимодальных моделей
🔍 Многоагентная система на базе LLM для веб-поисковых систем (например, Perplexity.ai Pro и SearchGPT)
Открытый программируемый слой принятия решений для моделей и вычислений.
2-битное квантование, ядра и среда выполнения для потребительских устройств.
Временные ряды Timeseries Глубокое обучение Машинное обучение Python Pytorch fastai | Библиотека глубокого обучения мирового уровня для временных рядов и последовательностей в Pytorch / fastai
Учебные пособия по реализации нескольких моделей sequence-to-sequence (seq2seq) с помощью PyTorch и TorchText.
【Три года собеседований, пять лет пробных экзаменов】Платформа с ресурсами для собеседований инженеров по алгоритмам AIGC/LLM/AI Agent. Она охватывает практические материалы и опыт для собеседований и письменных испытаний, а также фундаментальные знания, сохраняющие актуальность в течение длительного времени, по различным направлениям ИИ: AIGC, большие языковые модели (LLM), ИИ-агенты, воплощённый интеллект, традиционное глубокое обучение, компьютерное зрение, обработка естественного языка, автономное вождение, машинное обучение, обучение с подкреплением, интеллектуальный анализ больших данных, мировые модели, метавселенная, AGI и другим.
SwinIR: Восстановление изображений с использованием Swin Transformer (официальный репозиторий)
Сначала производство и готовый к производству комплект для сквозного распознавания речи
В конечном итоге исчерпывающий список работ по Vision Transformer/Attention, включая статьи, коды и связанные веб-сайты
Условная память через масштабируемый поиск: Новая ось разреженности для больших языковых моделей
Библия для начинающих в области ИИ, без лишней сложности и элитарности, доступная каждому — от студентов до инженеров. Охватывает всё: от нейронных сетей до больших моделей, от высокоуровневого проектирования до микроскопических принципов, от инженерной реализации до алгоритмических основ. Изучив это, вы полностью поймете, почему кажущаяся незначительной способность предсказания следующего токена может изменить мир, и обнаружите, что ИИ вовсе не так загадочен и недосягаем, как казалось. Let's just beat it!
Эффективные AI-бэкибоны, включая GhostNet, TNT и MLP, разработанные Huawei Noah's Ark Lab.
Часто задаваемые вопросы
Какой репозиторий по теме #transformer наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #transformer на GitHub — huggingface/transformers, набравший 169,339 звёзд. 🤗 Transformers: фреймворк определения моделей для передовых моделей машинного обучения в текстах, зрении, аудио и мультимодальных моделях, как для инференса, так и для обучения.
Какие языки программирования чаще всего используются в репозиториях по теме #transformer?
Среди наиболее высоко оценённых проектов по теме #transformer на GitHub чаще всего используются языки программирования Python, C++, Jupyter Notebook, JavaScript.
Как рассчитывается рейтинг репозиториев по теме #transformer?
Мы отслеживаем 208 активных репозиториев с открытым исходным кодом, отмеченных тегом #transformer (500 и более звёзд), с общим числом 1,197,728 звёзд и в среднем 5,758 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.