Inicio Proyectos graph4nlp
graph4nlp
Python

graph4nlp

Graph4nlp es la biblioteca para el uso fácil de Redes Neuronales Gráficas para NLP. ¡Bienvenido a visitar nuestro sitio web DLG4NLP (https://dlg4nlp.github.io/index.html) para varios recursos de aprendizaje!

por graph4ai · GitHub
Estrellas
Ramas
Licencia
Creado
Último commit
Categoría
Lenguaje
deep-learninggraph-neural-networksmachine-learningApache-2.0Python
Ver en GitHub
En palabras simples

Utiliza Graph4nlp para aplicar fácilmente Redes Neuronales de Grafos para tareas de procesamiento de lenguaje natural.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
graph4nlp — GitHub preview card
📈 Historial de estrellas
1 6901 689
2026-07-202026-08-31
📈 Sigue graph4nlp

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Graph4nlp es la biblioteca para el uso fácil de Redes Neuronales Gráficas para NLP. ¡Bienvenido a visitar nuestro sitio web DLG4NLP (https://dlg4nlp.github.io/index.html) para varios recursos de aprendizaje!

graph4nlp tiene 1.7k estrellas en GitHub. Se ha bifurcado 207 veces. graph4nlp está escrito principalmente en Python. Se desarrolla activamente desde 2020. graph4nlp está disponible bajo la licencia Apache-2.0. Sus temas principales son: deep-learning, graph-neural-networks, machine-learning, natural-language-processing.

Frequently asked questions

¿Qué es graph4nlp?

Graph4nlp es la biblioteca para el uso fácil de Redes Neuronales Gráficas para NLP. ¡Bienvenido a visitar nuestro sitio web DLG4NLP (https://dlg4nlp.github.io/index.html) para varios recursos de aprendizaje!

¿graph4nlp es de código abierto?

graph4nlp es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.

¿graph4nlp es gratis?

Sí. graph4nlp es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está graph4nlp?

graph4nlp está disponible bajo la licencia Apache-2.0.

¿En qué lenguaje está escrito graph4nlp?

graph4nlp está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — graph4nlp

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=graph4ai-graph4nlp)](https://olud.ai/project/graph4ai-graph4nlp.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
dgl
Paquete de Python diseñado para facilitar el aprendizaje profundo en gráficos, sobre marcos de…
14.3k · deep-learning
compartegraph-neural-networks
bert_score
Puntuación BERT para generación de texto
1.9k · machine-learning
compartenatural-language-processing
awesome-semi-supervised-learning
😎 Una lista actualizada y curada de increíbles documentos, métodos y recursos de aprendizaje se…
1.9k · computer-vision
compartegraph-neural-networks
ktrain
ktrain es una biblioteca de Python que hace que el aprendizaje profundo y la IA sean más accesi…
1.3k · computer-vision
compartegraph-neural-networks
DL4Proteins-notebooks
Notebooks de Colab que cubren herramientas de aprendizaje profundo para predicción y diseño de…
703 · convolutional-neural-networks
compartegraph-neural-networks
GlueStick
Joint Deep Matcher para Puntos y Líneas 🖼️💥🖼️ (ICCV 2023)
674 · computer-vision
compartegraph-neural-networks
Comprehensive_DL_Tutor
Tutorial completo de Deep Learning: De Cero a Héroe
547 · computer-vision
compartenatural-language-processing
torchdrug
Una plataforma de aprendizaje automático poderosa y flexible para el descubrimiento de fármacos…
1.6k · deep-learning
compartegraph-neural-networks
Transformers-Recipe
🧠 Una guía de estudio para aprender sobre Transformers
1.6k · ai
compartenatural-language-processing
promptsource
Herramienta para crear, compartir y usar prompts en lenguaje natural.
3k · machine-learning
compartenatural-language-processing

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.