Inicio Proyectos iTransformer
iTransformer
Python

iTransformer

Implementación no oficial de iTransformer - SOTA Pronóstico de Series Temporales usando redes de Atención, de Tsinghua / Grupo Ant

por lucidrains · GitHub
Estrellas
Ramas
Licencia
Creado
Último commit
Lenguaje
artificial-intelligenceattention-mechanismsdeep-learningMITPython
Ver en GitHub
En palabras simples

Implementa un modelo de pronóstico de series temporales utilizando redes de atención para predicciones precisas.

¿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 →
iTransformer — GitHub preview card
📈 Historial de estrellas
539538
2026-07-202026-08-31
📈 Sigue iTransformer

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

Implementación no oficial de iTransformer - SOTA Pronóstico de Series Temporales usando redes de Atención, de Tsinghua / Grupo Ant

iTransformer tiene 538 estrellas en GitHub. Se ha bifurcado 38 veces. iTransformer está escrito principalmente en Python. Se desarrolla activamente desde 2023. iTransformer está disponible bajo la licencia MIT. Sus temas principales son: artificial-intelligence, attention-mechanisms, deep-learning, time-series-forecasting.

Frequently asked questions

¿Qué es iTransformer?

Implementación no oficial de iTransformer - SOTA Pronóstico de Series Temporales usando redes de Atención, de Tsinghua / Grupo Ant

¿iTransformer es de código abierto?

iTransformer es un proyecto de código abierto. Se distribuye bajo la licencia MIT.

¿iTransformer es gratis?

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

¿Bajo qué licencia está iTransformer?

iTransformer está disponible bajo la licencia MIT.

¿En qué lenguaje está escrito iTransformer?

iTransformer está escrito principalmente en Python.

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

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=lucidrains-itransformer)](https://olud.ai/project/lucidrains-itransformer.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
Crossformer
Implementación oficial de nuestro artículo ICLR 2023 "Crossformer: Transformer Utilizando Depen…
695 · deep-learning
compartetime-series-forecasting
robotic-transformer-pytorch
Implementación de RT1 (Robotic Transformer) en Pytorch
455 · artificial-intelligence
comparteattention-mechanisms
muse-maskgit-pytorch
Implementación de Muse: Generación de Texto a Imagen a través de Transformadores Generativos En…
918 · artificial-intelligence
comparteattention-mechanisms
SSSD
Repositorio para el artículo: 'Imputación y Pronóstico de Series Temporales Basado en Difusión…
334 · deep-learning
compartetime-series-forecasting
Awesome-Transformer-Attention
Una lista de artículos absolutamente completa sobre Vision Transformer/Atención, incluyendo art…
5k · attention-mechanism
comparteattention-mechanisms
recurrent-memory-transformer-pytorch
Implementación del Transformer de Memoria Recurrente, artículo de Neurips 2022, en Pytorch
424 · artificial-intelligence
comparteattention-mechanisms
meshgpt-pytorch
Implementación de MeshGPT, generación de mallas SOTA utilizando Atención, en Pytorch
861 · artificial-intelligence
comparteattention-mechanisms
audiolm-pytorch
Implementación de AudioLM, un Enfoque de Modelado de Lenguaje SOTA para Generación de Audio de…
2.6k · artificial-intelligence
comparteattention-mechanisms
PaLM-rlhf-pytorch
Implementación de RLHF (Aprendizaje por Refuerzo con Retroalimentación Humana) sobre la arquite…
7.9k · artificial-intelligence
comparteattention-mechanisms
alphafold3-pytorch
Implementación de Alphafold 3 de Google Deepmind en Pytorch
1.7k · artificial-intelligence
comparteattention-mechanisms

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