transformer

PostHTML es una herramienta para transformar HTML/XML con plugins de JS

🔥🔥🔥 Enfocado en modelos mejorados de YOLO11, YOLOv8, TYOLOv12, YOLOv10, RT-DETR, YOLOv7 y YOLOv5. Soporte para mejorar backbone, neck, head, loss, IoU, NMS y otros módulos🚀

Colección de artículos y proyectos de código abierto de ICCV 2025

Una plataforma de aprendizaje de bucle cerrado de visión artificial donde el código se puede ejecutar de forma interactiva en línea. Incluye el libro electrónico, código fuente y comunidad de lectores para 'Computer Vision in Action: Algorithms and Applications'.

Plugin de hardware mantenido por la comunidad para vLLM en Ascend

Artículos de investigación y blogs para la transición a la ingeniería de IA

[CVPR 2022--Oral] Restormer: Transformer eficiente para la restauración de imágenes de alta resolución. SOTA para eliminación de desenfoque por movimiento, eliminación de lluvia, reducción de ruido (datos gaussianos/reales) y eliminación de desenfoque por desenfoque focal.

mPLUG-Owl: La potente familia de modelos de lenguaje grandes multimodales

Modelos de lenguaje grande (LLMs) simplificados; EasyLM es una solución integral para el entrenamiento previo, ajuste Fino, evaluación y servicio de LLMs en JAX/Flax.

Tutoriales de Jupyter Notebook para resolver problemas del mundo real con Machine Learning y Deep Learning usando PyTorch. Temas: Detección de rostros con Detectron 2, detección de anomalías en series temporales con Autoencoders LSTM, detección de objetos con YOLO v5, construye tu primera red neuronal, pronóstico de series temporales para casos diarios de coronavirus, análisis de sentimientos con BER

🍅🍅🍅YOLOv5-Lite: Evolucionado de yolov5 y el tamaño del modelo es de solo 900+kb (int8) y 1.7M (fp16). Alcanza 15 FPS en la Raspberry Pi 4B~

Graphormer es una infraestructura de aprendizaje profundo de propósito general para el modelado molecular.

Biblioteca de PyTorch de aprendizaje profundo para predicción de series temporales, clasificación y detección de anomalías (originalmente para predicción de inundaciones).

Lumina-T2X es un marco unificado para la generación de texto a cualquier modalidad

Implementación oficial de "iTransformer: Inverted Transformers Are Effective for Time Series Forecasting" (ICLR 2024 Spotlight)

MoBA: Mixture of Block Attention para LLMs de contexto largo

📰 Artículos y blogs de lectura imprescindible sobre modelado de contexto largo basado en LLM 🔥

[Destacado de CVPR 2025] Video Depth Anything: Estimación de profundidad consistente para videos superlargos

AICI: Prompts como programas (Wasm)

Modelos ASR de grado industrial de código abierto que admiten mandarín, dialectos chinos e inglés, logrando un nuevo SOTA en benchmarks públicos de ASR en mandarín, y ofreciendo además una capacidad excepcional de reconocimiento de letras de canciones.

Integra modelos de deep learning para la clasificación de imágenes | Proyecto de aprendizaje/comparación/modificación mágica de Backbone

Tutorial de inicio rápido para la biblioteca Transformers

Una lista curada de artículos y recursos sobre detección de fraudes, anomalías y valores atípicos basados en grafos y Transformers.

[ICML 2024] LLMCompiler: Un compilador LLM para llamadas a funciones en paralelo

Un framework de despliegue de IA de alto rendimiento y fácil de usar.

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.

Importa archivos SVG en tu proyecto de React Native de la misma forma que lo harías en una aplicación web.

[CVPR 2023] OneFormer: Un Transformer para dominar la segmentación universal de imágenes.

Modelos de redes neuronales preentrenados en Axon (con integración de modelos 🤗).

Un framework sin código basado en PyTorch para estudios de aprendizaje profundo reproducibles. Parte del ecosistema PyTorch. Incluye hasta la fecha 26 métodos de destilación de conocimiento presentados en TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV, AAAI, etc. Se proporcionan modelos entrenados, registros de entrenamiento y configuraciones para garantizar la reproducibilidad y el benchmarking.