pytorch-openai-transformer-lm
🐥 Eine PyTorch-Implementierung des von OpenAI feinabgestimmten Transformer-Sprachmodells mit einem Skript zum Importieren der von OpenAI vortrainierten Gewichte
Laden Sie ein vortrainiertes Sprachmodell von OpenAI in Ihre eigenen Projekte mit PyTorch und verwenden Sie es.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbar🐥 Eine PyTorch-Implementierung des von OpenAI feinabgestimmten Transformer-Sprachmodells mit einem Skript zum Importieren der von OpenAI vortrainierten Gewichte
pytorch-openai-transformer-lm hat 1.5k Sterne auf GitHub. Es wurde 284-mal geforkt. pytorch-openai-transformer-lm ist hauptsächlich in Python geschrieben. Es wird seit 2018 aktiv entwickelt. pytorch-openai-transformer-lm ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: language-model, neural-networks, openai, pytorch.
Was ist pytorch-openai-transformer-lm?
🐥 Eine PyTorch-Implementierung des von OpenAI feinabgestimmten Transformer-Sprachmodells mit einem Skript zum Importieren der von OpenAI vortrainierten Gewichte
Ist pytorch-openai-transformer-lm Open Source?
pytorch-openai-transformer-lm ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.
Ist pytorch-openai-transformer-lm kostenlos?
Ja. pytorch-openai-transformer-lm ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
Unter welcher Lizenz steht pytorch-openai-transformer-lm?
pytorch-openai-transformer-lm ist unter der MIT-Lizenz verfügbar.
In welcher Sprache ist pytorch-openai-transformer-lm geschrieben?
pytorch-openai-transformer-lm ist hauptsächlich in Python geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://olud.ai/project/huggingface-pytorch-openai-transformer-lm.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.