Ft Transformer 相关的热门 GitHub AI项目仓库

Pytorch、TensorFlow和JAX框架下最先进的机器学习转换器

60多个深度学习论文的实现/教程，并附带旁注；涵盖Transformer（原始版、XL、Switch、Feedback、ViT等）、优化器（Adam、AdaBelief、Sophia等）、GAN（CycleGAN、StyleGAN2等）、强化学习（PPO、DQN）、Capsule网络、知识蒸馏等。

一步一步用PyTorch从零开始实现一个类似ChatGPT的大型语言模型。

一种高效且内存利用率高的用于大型语言模型推理和服务的引擎

OpenAI Whisper 模型的 C/C++ 端口

这是目前最大规模的PyTorch图像编码器/骨干网络集合，包含训练、评估、推理、导出脚本和预训练权重——涵盖ResNet、ResNeXT、EfficientNet、NFNet、Vision Transformer (ViT)、MobileNetV4、MobileNet-V3 & V2、RegNet、DPN、CSPNet、Swin Transformer、MaxViT、CoAtNet、ConvNeXt等多种网络。

开放式MMLab目标检测工具箱和基准测试

使用Pytorch实现视觉Transformer，这是一种仅用单个Transformer编码器就能轻松达到图像分类领域最先进水平（SOTA）的简易方法。

最先进的开源语音合成技术

每周更新的超棒Python机器学习库排名列表

2025年计算机视觉与模式识别会议（CVPR 2025）论文及开源项目集锦

SGLang是一个用于大型语言模型和视觉语言模型的快速服务框架。

这是“基于移位窗口的分层视觉Transformer：Swin Transformer”的官方实现。

pix2tex：利用视觉Transformer（ViT）将方程式图片转换成LaTeX代码。

深度学习研究人员的自然语言处理教程

最先进的网页机器学习。无需服务器，即可直接在浏览器中运行Transformer模型！

RWKV（发音为RwaKuv）是一个具有出色大语言模型性能的循环神经网络（RNN），它也可以像GPT Transformer一样直接训练（可并行化）。我们现在处于RWKV-7 "鹅"阶段。因此，它结合了RNN和Transformer的优点——性能卓越、线性时间复杂度、常数空间复杂度（无键值缓存）、快速训练、无限上下文长度以及免费的句子嵌入。

正在进行大规模的Transformer模型研究训练

MNN是一个超高速、轻量级的深度学习框架，已在阿里巴巴的业务关键用例中经受了实战检验。完整的多模态大语言模型Android应用：[MNN-LLM-Android](./apps/Android/MnnLlmChat/README.md)

简单易用的语音工具包，包含自监督学习模型、具有标点符号的先进/流式语音识别、带文本前端的流式语音合成、说话人识别系统、端到端语音翻译和关键词识别功能。荣获NAACL2022最佳演示奖。