seq2seq

Un réseau de neurones qui transforme une maquette de design en site web statique.

Tutoriels sur l'implémentation de quelques modèles séquence-à-séquence (seq2seq) avec PyTorch et TorchText.

Jouer avec les couplets en utilisant un modèle seq2seq.

Lingvo

Kashgari est un framework de transfert d'apprentissage NLP de niveau production basé sur tf.keras pour l'étiquetage et la classification de texte, incluant Word2Vec, BERT et GPT2 Language Embedding.

Large Concept Models : modélisation du langage dans un espace de représentation de phrases.

Projets, corpus, articles et tutoriels sur les chatbots. Chatbots chinois => :

Une implémentation élégante de transformers en PyTorch

OCR de formules mathématiques : prend en charge l'écriture manuscrite, les formules mixtes chinois-anglais et le raisonnement symbolique simple (basé sur l'arbre de syntaxe abstraite LaTeX).

Transformers4Rec est une bibliothèque flexible et efficace pour la recommandation séquentielle et basée sur les sessions, compatible avec PyTorch.

Framework sequence-to-sequence axé sur la traduction automatique neuronale basé sur PyTorch.

💁 Une collection impressionnante de modèles Transformers pour le traitement du langage naturel, incluant des articles, vidéos, blogs, dépôts officiels et notebooks Colab. 🛫☑️

Cette série vous emmène des fondamentaux du NLP et de la vision par ordinateur jusqu'à la pointe des modèles vision-langage.

TextGen : Implémentation de modèles de génération de texte, incluant LLaMA, BLOOM, GPT2, BART, T5, SongNet et plus encore.

Une ligne pour des milliers de modèles NLP de pointe dans des centaines de langues. Le moyen le plus rapide et le plus précis pour résoudre les problèmes textuels.

Code source du modèle de dialogue de bout en bout issu de l'article MultiWOZ (Budzianowski et al. 2018, EMNLP).

Agent de recherche approfondie pour vous aider à trouver les meilleurs dépôts GitHub !

tfts : modèles d'apprentissage profond pour séries temporelles dans TensorFlow

Classification de texte multi-étiquettes, classifieur, BERT, seq2seq, attention, multi-label-classification

NMT minimaliste à but éducatif

Modèle Seq2Seq minimal avec mécanisme d'attention pour la traduction automatique neuronale en PyTorch.