Startseite Projekte TencentPretrain
TencentPretrain
Python

TencentPretrain

Tencent Pre-Training-Framework in PyTorch & Pre-trained Model Zoo

von Tencent · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Kategorie
Sprache
albertbartbertPython
Auf GitHub ansehen
In einfachen Worten

Vortrainieren und Feinabstimmen von KI-Modellen auf verschiedenen Datentypen mithilfe eines modularen Toolkit mit einer Sammlung vortrainierter Modelle.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
TencentPretrain — GitHub preview card
📈 Sternhistorie
1 0911 090
2026-07-202026-08-31
📈 TencentPretrain verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Tencent Pre-Training-Framework in PyTorch & Pre-trained Model Zoo

TencentPretrain hat 1.1k Sterne auf GitHub. Es wurde 147-mal geforkt. TencentPretrain ist hauptsächlich in Python geschrieben. Es wird seit 2022 aktiv entwickelt. Die Hauptthemen sind: albert, bart, bert, chinese.

Frequently asked questions

Was ist TencentPretrain?

Tencent Pre-Training-Framework in PyTorch & Pre-trained Model Zoo

Ist TencentPretrain Open Source?

TencentPretrain ist ein Open-Source-Projekt.

Ist TencentPretrain kostenlos?

Ja. TencentPretrain ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

In welcher Sprache ist TencentPretrain geschrieben?

TencentPretrain ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — TencentPretrain

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=tencent-tencentpretrain)](https://olud.ai/project/tencent-tencentpretrain.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.