#bert 仓库
探索 109 个标记为 #bert 的活跃开源 GitHub 仓库,它们累计获得 287,319 个 Star(平均每个项目 2,635 个)。该主题的领先项目是 datawhalechina/leedl-tutorial,拥有 16,879 个 Star。
共 109 个仓库
《李宏毅深度学习教程》(李宏毅老师推荐👍,苹果书🍎),PDF下载地址:https://github.com/datawhalechina/leedl-tutorial/releases
中文语言理解测评基准 Chinese Language Understanding Evaluation Benchmark: datasets, baselines, pre-trained models, corpus and leaderboard
快速上手AI理论及应用实战:基础知识、Transformer、NLP、ML、DL、竞赛。含大量注释及数据集,力求每一位能看懂并复现。
使用 PyTorch 进行机器学习和深度学习解决现实世界问题的 Jupyter Notebook 教程。主题:使用 Detectron 2 进行人脸检测,使用 LSTM Autoencoders 进行时间序列异常检测,使用 YOLO v5 进行对象检测,构建您的第一个 Neural Network,针对冠状病毒每日病例的时间序列预测,使用 BER 进行情感分析
Kashgari 是一个生产级的 NLP 迁移学习框架,基于 tf.keras 构建,用于文本标注和文本分类,包括 Word2Vec、BERT 和 GPT2 语言嵌入。
[CVPR 2021] Transformer Interpretability Beyond Attention Visualization 的官方 PyTorch 实现,一种可视化 Transformer 网络的分类的新颖方法。
中文长文本分类、短句子分类、多标签分类、两句子相似度(Chinese Text Classification of Keras NLP, multi-label classify, or sentence classify, long or short),字词句向量嵌入层(embeddings)和网络层(graph)构建基类,FastText,TextCNN,CharCNN,TextRNN, RCNN, DCNN, DPCNN, VDCNN, CRNN, Bert, Xlnet, Albert, Attention, DeepMoji, HAN, 胶囊网络-CapsuleNet, Transformer-encode, Seq2seq, SWEM, LEAM, TextGCN
本项目设计并实现了一个基于知识图谱 RAG 与大语言模型的医疗智能问答系统。系统以 DiseaseKG 医疗数据集为基础,依托 Neo4j 构建包含 4.4 万实体与 31 万关系的领域知识图谱;结合 BERT 命名实体识别与 32B 大模型意图识别,通过精确的图谱检索与受控的答案生成,有效缓解大模型在医疗场景中的幻觉问题,显著提升回答的准确性与可靠性。
常见问题解答
GitHub 上最受欢迎的 #bert 仓库是什么?
GitHub 上排名第一的开源 #bert 项目是 datawhalechina/leedl-tutorial,拥有 16,879 个 Star。《李宏毅深度学习教程》(李宏毅老师推荐👍,苹果书🍎),PDF下载地址:https://github.com/datawhalechina/leedl-tutorial/releases
#bert 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #bert 项目中,最常见的编程语言是 Python, Jupyter Notebook, C++, Rust。
#bert 仓库的排名是如何计算的?
我们跟踪了 109 个标记为 #bert 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 287,319 个 Star,平均每个仓库拥有 2,635 个 Star。排名每日根据 GitHub API 更新。