pretrained-models

🤗 Transformers: khung định nghĩa mô hình cho các mô hình máy học tiên tiến nhất trong văn bản, thị giác, âm thanh và đa phương thức, dành cho cả suy luận và huấn luyện.

Bộ sưu tập lớn nhất các bộ mã hóa/backbone hình ảnh PyTorch. Bao gồm tập lệnh huấn luyện, đánh giá, suy luận, xuất và trọng số được huấn luyện trước -- ResNet, ResNeXT, EfficientNet, NFNet, Vision Transformer (ViT), MobileNetV4, MobileNet-V3 & V2, RegNet, DPN, CSPNet, Swin Transformer, MaxViT, CoAtNet, ConvNeXt, và nhiều hơn nữa

Thư viện tách nguồn âm thanh Deezer bao gồm các mô hình đã được huấn luyện trước.

Kho lưu trữ chính thức của mô hình ngôn ngữ lớn hội thoại & tiền huấn luyện Qwen (Thông Nghĩa Thiên Vấn) do Alibaba Cloud đề xuất.

Một bản cài đặt mã nguồn mở của CLIP.

Thư viện LLM và SLM mạnh mẽ, dễ sử dụng đi kèm kho mô hình tuyệt vời.

🌸 Chạy LLM tại nhà theo phong cách BitTorrent. Tinh chỉnh và suy luận nhanh hơn tới 10 lần so với việc giảm tải

Khối xây dựng thần kinh cho việc phân đoạn người nói: phát hiện hoạt động giọng nói, phát hiện thay đổi người nói, phát hiện giọng nói chồng chéo, nhúng người nói

CodeGeeX: Mô hình tạo mã đa ngôn ngữ mở (KDD 2023)

Bộ công cụ mở rộng để tinh chỉnh và suy luận các Mô hình Nền tảng Lớn. Mô hình Lớn cho Mọi người.

CodeGeeX2: Mô hình tạo mã đa ngôn ngữ mạnh mẽ hơn

Bản phát hành chính thức của dòng InternLM (InternLM, InternLM2, InternLM2.5, InternLM3).

Mô hình ngôn ngữ thị giác mở tiên tiến nhất | Mô hình tiền huấn luyện đa phương thức

Silero Models: các mô hình chuyển văn bản thành giọng nói được huấn luyện trước trở nên vô cùng đơn giản

Phiên bản tiếng Trung của CLIP giúp đạt được khả năng truy xuất đa phương thức và tạo biểu diễn bằng tiếng Trung.

Kho báu cho việc phân loại và nhận diện trực quan được hỗ trợ bởi PaddlePaddle

Chronos: Các mô hình được huấn luyện trước cho việc dự đoán chuỗi thời gian

Một framework mô-đun dành cho nghiên cứu đa phương thức thị giác và ngôn ngữ từ Facebook AI Research (FAIR)

Bộ sưu tập mô hình NLP tiếng Trung được huấn luyện trước chất lượng cao, mô hình lớn, mô hình đa phương thức và mô hình ngôn ngữ lớn

Superduper: Framework end-to-end để xây dựng các ứng dụng và agent AI tùy chỉnh.

Các mô hình PyTorch được huấn luyện trước để phát hiện khuôn mặt (MTCNN) và nhận dạng khuôn mặt (InceptionResnet).

Kho lưu trữ các mô hình đã được chuyển đổi qua lại giữa các framework khác nhau. Các framework được hỗ trợ gồm TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite (Float32/16/INT8), EdgeTPU, CoreML.

Sách "Mô hình ngôn ngữ lớn" tác giả: Triệu Hâm, Lý Quân Nghị, Châu Côn, Đường Thiên Nhất, Văn Kế Vinh

Các AI backbone hiệu quả bao gồm GhostNet, TNT và MLP, được phát triển bởi Phòng thí nghiệm Noah's Ark của Huawei.

Tiêu chuẩn đánh giá hiểu ngôn ngữ tiếng Trung (Chinese Language Understanding Evaluation Benchmark): bộ dữ liệu, baseline, mô hình tiền huấn luyện, ngữ liệu và bảng xếp hạng

Fengshenbang-LM là hệ thống mô hình lớn mã nguồn mở do Trung tâm Nghiên cứu Tính toán Nhận thức và Ngôn ngữ Tự nhiên của Viện Nghiên cứu IDEA chủ trì, trở thành cơ sở hạ tầng cho AIGC tiếng Trung và trí tuệ nhận thức.

CLI và Python client chính thức cho Hugging Face Hub.

Bộ công cụ huấn luyện trước và tiêu chuẩn đánh giá của OpenMMLab

Mô hình ngôn ngữ được huấn luyện trước và các kỹ thuật tối ưu hóa liên quan do Phòng thí nghiệm Noah's Ark của Huawei phát triển.

Môi trường thử nghiệm để huấn luyện các mạng học sâu