transformers

Tận dụng BERT và c-TF-IDF để tạo ra các chủ đề dễ diễn giải.

Một triển khai của các transformer tự hồi quy song song mô hình trên GPU, dựa trên các thư viện Megatron và DeepSpeed

SD.Next: Giao diện web tất cả trong một để tạo, chú thích và xử lý hình ảnh và video AI

Kho lưu trữ này là một bộ sưu tập các liên kết được tuyển chọn đến các khóa học và tài nguyên khác nhau về Trí tuệ Nhân tạo (AI).

Thư viện dịch thuật ngoại tuyến mã nguồn mở được viết bằng Python.

AI giọng nói trên thiết bị dành cho Apple Silicon

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

Một transformer full-attention súc tích nhưng đầy đủ với tập hợp các tính năng thử nghiệm đầy hứa hẹn từ các tài liệu nghiên cứu khác nhau

⚡ Công cụ suy luận WebGPU thuần Rust — tương thích OpenAI-API, gốc GGUF, chạy trên mọi GPU. Không Python. Không llama.cpp. File nhị phân đơn.

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

Các công thức mạnh mẽ để căn chỉnh các mô hình ngôn ngữ với sở thích của con người và AI

Cài đặt / tái tạo DALL-E, Transformer Văn bản sang Hình ảnh của OpenAI, bằng PyTorch

OpenChat: Nâng cao các mô hình ngôn ngữ mã nguồn mở với dữ liệu không hoàn hảo

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

Môi trường nghiên cứu mã nguồn mở dành cho các nhà nghiên cứu AI để đào tạo, đánh giá và mở rộng quy mô mô hình một cách liền mạch từ phần cứng cục bộ đến cụm GPU.

Phần mềm học máy để trích xuất thông tin từ tài liệu học thuật

Danh sách tài liệu nghiên cứu cực kỳ toàn diện về Vision Transformer/Attention, bao gồm các bài báo, mã nguồn và các trang web liên quan

Hướng dẫn xây dựng hộp trắng mô hình lớn (LLM): Một Tiny-Universe hoàn toàn tự làm

Tinh chỉnh LLMs chỉ từ một YAML. Layer streaming đào tạo mô hình 8B trên GPU laptop 4 GB.

🌟 Hơn 100 sơ đồ nguyên lý LLM / RL gốc 📚, tác giả của cuốn "Đại mô hình thuật toán" đặc biệt đóng góp! 💥 (100+ LLM/RL Algorithm Maps)

LightGlue: Khớp nối đặc trưng cục bộ với tốc độ ánh sáng (ICCV 2023)

Hướng dẫn về Prompt Engineering, Generative AI và LLM bởi Learn Prompting | Tham gia Discord của chúng tôi để gia nhập cộng đồng học tập Prompt Engineering lớn nhất

Kỹ thuật Prompt | Quản lý phiên bản Prompt | Sử dụng GPT hoặc các mô hình dựa trên prompt khác để nhận đầu ra có cấu trúc. Tham gia discord của chúng tôi để trao đổi về Prompt-Engineering, LLMs và nghiên cứu mới nhất

Hướng dẫn bắt đầu với PyTorch và TorchText để phân tích cảm sentiment.

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

Transformers dành cho Truy xuất thông tin, Phân loại văn bản, NER, QA, Mô hình hóa ngôn ngữ, Tạo ngôn ngữ, T5, Đa phương thức và AI hội thoại

⚡️SwanLab - một công cụ theo dõi và trực quan hóa huấn luyện AI mã nguồn mở, thiết kế hiện đại. Hỗ trợ sử dụng trên Cloud / Tự lưu trữ. Tích hợp với PyTorch / Transformers / verl / LLaMA Factory / ms-swift / Ultralytics / MMEngine / Keras, v.v.

Khóa học Hugging Face về Transformers

Xử lý Ngôn ngữ Tự nhiên Tiên tiến nhất (State of the Art)

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.