bert

Kashgari es un framework de aprendizaje por transferencia de NLP listo para producción construido sobre tf.keras para etiquetado y clasificación de texto, que incluye incrustaciones de lenguaje Word2Vec, BERT y GPT2.

Un benchmark heterogéneo para recuperación de información. Fácil de usar, evalúa tus modelos en más de 15 conjuntos de datos de IR diversos.

Redes neuronales profundas multitarea para la comprensión del lenguaje natural.

EasyNLP: Un kit de herramientas de PLN integral y fácil de usar

Colección de codificadores-decodificadores de Alibaba del laboratorio MinD (Machine IntelligeNce of Damo)

[CVPR 2021] Implementación oficial en PyTorch para Transformer Interpretability Beyond Attention Visualization, un método novedoso para visualizar clasificaciones en redes basadas en Transformer.

Biblioteca muy fácil para modelos de NLP basados en BERT

Tutorial de inicio rápido para la biblioteca Transformers

Biblioteca de aprendizaje automático y procesamiento de lenguaje natural independiente escrita en Go.

Clasificación de textos largos, frases cortas, multietiqueta y similitud entre frases en chino (Keras NLP), clases base para capas de embedding (caracteres, palabras, frases) y capas de red (grafo), FastText, TextCNN, CharCNN, TextRNN, RCNN, DCNN, DPCNN, VDCNN, CRNN, Bert, Xlnet, Albert, Attention, DeepMoji, HAN, CapsuleNet, Transformer-encode, Seq2seq, SWEM, LEAM, TextGCN.

Investigación y aplicación de tecnologías como el procesamiento del lenguaje natural, grafos de conocimiento, sistemas de diálogo y grandes modelos.

Modernización de BERT mediante cambios en la arquitectura y escalado.

PaddleSlim es una biblioteca de código abierto para la compresión de modelos profundos y la búsqueda de arquitectura.

Un entorno de ejecución rápido y fácil de usar para la inferencia de transformers (Bert, Albert, GPT2, Decoders, etc.) en CPU y GPU.

Modelo ELECTRA preentrenado para chino

Modelo BERT coreano preentrenado con distinción de mayúsculas (KoBERT)

Utiliza transformers preentrenados como BERT, XLNet y GPT-2 en spaCy

[ICLR'23 Spotlight] El primer preentrenamiento exitoso estilo BERT/MAE en cualquier red convolucional; implementación en PyTorch de "Designing BERT for Convolutional Networks: Sparse and Hierarchical Masked Modeling".

⭕ N2O: Servidor de aplicaciones WebSocket distribuido ISO 20922

Artículos relevantes en el campo del procesamiento de lenguaje natural (con notas de lectura), modelos de reproducción y procesamiento de datos (código disponible en versiones TensorFlow y PyTorch)

Una implementación elegante de transformers en PyTorch

Modelos entrenados y código para predecir comentarios tóxicos en los 3 desafíos Jigsaw Toxic Comment. Construido usando ⚡ Pytorch Lightning y 🤗 Transformers. Para acceder a nuestra API, por favor envíe un correo a contact@unitary.ai.

Transformers4Rec es una biblioteca flexible y eficiente para sistemas de recomendación secuenciales y basados en sesiones, compatible con PyTorch.

Un paquete de Python para ejecutar modelos de temas contextualizados. Los CTM combinan incrustaciones contextualizadas (por ejemplo, BERT) con modelos de temas para obtener temas coherentes. Publicado en EACL y ACL 2021 (Bianchi et al.).

IA multimodal de bolsillo para la comprensión y generación de contenido en textos multilingües, imágenes y próximamente video, hasta 5 veces más rápida que OpenAI CLIP y LLaVA.

TTS de mejores prácticas basado en BERT y VITS con características de Natural Speech de Microsoft; ¡soporta salida de streaming ONNX!

Marco de compresión de redes neuronales para una inferencia mejorada con OpenVINO™.

💁 Impresionante colección de modelos Transformers para procesamiento de lenguaje natural que contiene artículos, videos, blogs, repositorio oficial junto con cuadernos de Colab. 🛫☑️

Lista curada de recursos de PNL centrada en redes Transformer, mecanismos de atención, GPT, BERT, ChatGPT, LLMs y aprendizaje por transferencia

Marco de preentrenamiento de Tencent en PyTorch y repositorio de modelos preentrenados