transformers 第 2 页

本站收录 183 个带「transformers」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 4 页）

dalle-playgrounddalle-playground 是一个基于 Web 的文本生成图像交互界面，最初支持 DALL-E Mini，现已转向 Stable Diffusion。它解★ 2,736maestroMaestro 是一个专注于多模态模型微调的开源工具，旨在简化 PaliGemma 2、Florence-2 和 Qwen2.5-VL 等视觉-语言模型的定制流★ 2,694MeshAnythingMeshAnything 是一个基于自回归 Transformer 的开源模型，旨在将任意 3D 表示（如点云、体素等）自动转换为艺术家风格的高质量网格（Mes★ 2,305lagentLagent 是一个轻量级的 LLM 智能体构建框架，旨在简化基于大语言模型的智能体开发流程。它解决了开发者在构建智能体时面临的复杂编排、工具调用和推理控制等问★ 2,285MambaVisionMambaVision是CVPR 2025官方发布的PyTorch实现，提出了一种混合Mamba-Transformer视觉骨干网络。它针对视觉任务中Mamba★ 2,243ctransformersctransformers 是一个 Python 绑定库，它封装了基于 GGML 库的 C/C++ Transformer 模型实现，让 Python 开发者能★ 1,887Large-Language-Model-Notebooks-Course这是一个面向开发者的实用大语言模型（LLM）课程，以Jupyter Notebook为载体，通过大量可运行的代码示例，系统讲解LLM的核心概念、主流架构、微调技★ 1,825DeTikZifyDeTikZify是一个将科学图表和手绘草图自动转换为TikZ代码的开源AI模型。它解决了科研人员在撰写LaTeX文档时，需要手动编写复杂TikZ代码来绘制矢量★ 1,822CogViewCogView 是智源研究院开源的文本生成图像模型，源自 NeurIPS 2021 论文。它基于 Transformer 架构，将文本描述转化为高质量图像，解决★ 1,800fastRAGfastRAG是一个专注于高效检索增强生成（RAG）的开源框架，旨在解决企业落地RAG时面临的性能瓶颈和部署复杂性问题。它基于Haystack构建，但针对生产环★ 1,786NLP-Knowledge-Graph这是一个专注于自然语言处理、知识图谱、对话系统和大模型技术的研究与应用的开源项目。它旨在整合前沿AI技术，为开发者提供从理论到实践的完整参考。项目可能包含多种模★ 1,773awesome-multi-agent-papers这是一个精选的多智能体系统论文合集，旨在为研究人员和开发者提供该领域最核心的学术资源。项目系统梳理了多智能体协作、通信、规划、记忆等关键方向的重要论文，覆盖了从★ 1,701safe-rlhfSafe RLHF 是一个基于安全强化学习的人类反馈对齐框架，旨在解决大模型价值对齐中的安全问题。传统 RLHF 通过人类反馈优化模型行为，但可能忽略安全约束，★ 1,620lag-llamaLag-Llama 是一个基于 LLaMA 架构的开源概率时间序列预测基础模型，由 Arjun Ashok 等人开发。它通过引入滞后特征（lag feature★ 1,600InfinityInfinity 是一个基于自回归建模的高分辨率图像生成框架，核心创新在于将图像 token 化为 bitwise 形式，并通过大规模 bitwise 自回归建★ 1,592Fun-ASRFun-ASR 是一个基于大语言模型的开源语音识别（ASR）模型家族，专注于中文、方言、口音及多语言场景。它提供多种运行时支持，包括 FunASR、vLLM、流★ 1,580AnyJevAnyJev 是一个把任意大语言模型改造成 Jev 风格决策模型的 Python 框架。它不依赖额外训练，而是通过类型化决策（typed decisions）与★ 1,449mlx-tunemlx-tune 是一个专为 Apple Silicon Mac 设计的 LLM 微调工具，基于 MLX 框架原生运行，让开发者无需云端 GPU 即可在本地完成★ 1,444OuteTTSOuteTTS 是一个为 OuteTTS 模型设计的统一接口，旨在简化文本到语音（TTS）模型的加载、推理和集成流程。它基于 Python 构建，底层依赖 ll★ 1,436finetrainersfinetrainers 是 Hugging Face 团队推出的扩散模型训练框架，专注于让视频与图像扩散模型（如 CogVideoX、Wan、Flux 等）的★ 1,361gansformerGansformer 是一个将 Transformer 架构引入生成对抗网络（GAN）的图像生成模型，旨在解决传统 CNN 生成器在捕捉全局结构和多物体场景组合★ 1,344awesome-vlm-architectures这是一个精心整理的视觉语言模型（VLM/MLLM）架构目录，收录了155+个相关模型，涵盖论文、架构图、训练配方、数据集以及发布时间线。项目以可视化的方式呈现多★ 1,339bert4torchbert4torch 是一个基于 PyTorch 的 transformers 库的优雅实现，旨在提供与 Hugging Face Transformers 类★ 1,326prunaPruna 是一个面向开发者的模型优化框架，旨在以最小的工作量让 AI 模型运行得更快、更高效。它主要解决深度学习模型在推理阶段的性能瓶颈问题，通过组合多种优化★ 1,324GPTQModelGPTQModel 是一个面向大语言模型的量化压缩工具包，核心目标是把 FP16/BF16 模型压缩到 4bit、3bit 等低精度格式，从而显著降低显存占用和★ 1,274ai-engineering-from-scratch-zh这是一个面向中文开发者的 AI 工程系统学习项目，把从零到精通 AI Agent 工程师所需的完整知识路径拆成 20 个阶段、503 节课，覆盖 Python ★ 1,259kvpresskvpress 是一个专注于大语言模型（LLM）KV 缓存压缩的 Python 库，旨在让 KV 缓存压缩变得简单易用。它解决了长上下文推理中 KV 缓存占用大★ 1,233nncfNNCF（Neural Network Compression Framework）是 Intel 开源的神经网络压缩框架，专为提升 OpenVINO 推理性能★ 1,211rizzo-piirizzo-pii 是一个本地优先的隐私保护工具，专门解决在把文档交给大语言模型处理前，如何自动识别并匿名化其中的个人身份信息（PII）的问题。它基于命名实体识★ 1,196HuggingFaceModelDownloaderHuggingFaceModelDownloader 是一个用 Go 编写的轻量命令行工具，专门用于从 HuggingFace 平台下载模型和数据集。它解决的核★ 1,194DataDreamerDataDreamer 是一个专注于合成数据生成与模型训练对齐的开源 Python 库。它解决的核心问题是：在真实数据稀缺或受隐私限制时，如何通过提示词（Pro★ 1,126MeshAnythingV2MeshAnythingV2 是一个将任意3D表示（如点云、体素等）自动转换为艺术家级三角网格的开源项目，由ICCV 2025论文官方实现。它解决了现有3D重建★ 1,028TinyLLaVA_FactoryTinyLLaVA_Factory 是一个面向小规模多模态大模型（LMM）的开源训练框架，目标是让研究者和开发者用有限算力训练和复现视觉语言模型。它解决的是主流★ 1,010magvitMAGVIT 是 Google 发布的视频生成模型，基于掩码生成式视频 Transformer 架构，官方提供 JAX 实现。它解决的核心问题是高效、高质量的视★ 1,002DeepGitDeepGit 是一个基于 LangChain/LangGraph 构建的深度研究智能体，专门用来帮你在 GitHub 上找到最合适的开源仓库。它把大模型、NL★ 922muse-maskgit-pytorchMuse-MaskGit-PyTorch 是 Google 提出的 Muse 文本生成图像模型的非官方 PyTorch 实现。Muse 采用掩码生成式 Tran★ 916TexoTexo 是一个超轻量的 LaTeX 公式识别模型，参数量仅 20M，却能达到 SOTA 级别的识别精度。它主要解决数学公式 OCR 场景中模型过大、难以在浏览★ 909computer-vision-course这是一个社区驱动的计算机视觉课程仓库，以 Jupyter Notebook 为主要载体，围绕神经网络在视觉任务中的应用展开。课程内容覆盖卷积神经网络、Trans★ 897FineTuningLLMs这是一个配套书籍《使用PyTorch和Hugging Face微调LLMs的实践指南》的官方代码仓库，以Jupyter Notebook形式提供大量可运行的微调★ 875momentMOMENT 是一个开源的时间序列基础模型家族，来自 ICML'24 论文。它解决的是通用时间序列预测、分类、异常检测等任务中缺乏统一预训练模型的问题。核心能力★ 859haloHalo 是由 White Circle 开源的大语言与多模态模型训练框架，用 Python 编写。它面向从微调到强化学习后训练的完整流程，核心能力包括分布式训★ 829llama3.javallama3.java 是一个纯 Java 实现的 Llama 3 及后续版本的大语言模型推理库，无需依赖 C/C++ 或 Python 环境，即可在 JVM ★ 820contrastorscontrastors 是一个基于 PyTorch 的对比学习训练工具库，专注于帮助研究者和工程师高效地训练对比学习模型。它解决了对比学习训练流程复杂、复现困难★ 804can-i-finetune-this这是一个帮助开发者快速判断 Hugging Face 上的模型能否在本地 GPU 上进行微调的工具。它通过分析模型的参数量、架构和精度，结合用户 GPU 的显存★ 793phenaki-pytorchPhenaki-PyTorch 是 Phenaki 视频生成模型的非官方 PyTorch 实现。Phenaki 由 Google 提出，核心创新在于利用 Mas★ 789ringattentionringattention 是一个专注于大上下文场景的注意力机制优化项目，旨在解决长序列处理中计算和内存开销过大的问题。它通过环形（ring）分布策略，将注意力★ 774LLM-PowerHouse-A-Curated-Guide-for-Large-Language-Models-with-Custom-Training-and-Inferenc这是一个精选的大语言模型（LLM）实战指南仓库，旨在帮助开发者通过教程、最佳实践和可直接运行的代码，掌握自定义训练与推理的全流程。项目内容涵盖从数据准备、模型微★ 734ComfyUI-IF_AI_toolsComfyUI-IF_AI_tools 是一组为 ComfyUI 设计的自定义节点，通过 Ollama 调用本地大语言模型（LLM）来生成和优化图像生成提示词。★ 698magvit2-pytorchMagViT2 的 PyTorch 非官方实现，专注于视频数据的离散化编码。它解决的核心问题是将连续视频帧转换为离散 token，以便用于后续的视频生成或理解任★ 669RandOptRandOpt 是 ICML 2026 Spotlight 论文《Neural Thickets: Diverse Task Experts Are Dense★ 656

相关标签

llm3432deep-learning815pytorch605large-language-models1059machine-learning904nlp374python1570artificial-intelligence538ai2792gpt470generative-ai568huggingface156