Accueil Projets adapters
adapters

adapters

par adapter-hub · GitHub

Une Bibliothèque Unifiée pour un Apprentissage par Transfert Efficace en Paramètres et Modulaire

Voir sur GitHub
En termes simples

Utilisez une bibliothèque pour affiner facilement les modèles AI avec un codage minimal pour de meilleures performances (Zed requis)

⭐ Étoiles
🍴 Forks
🔥 Tendances
📜 Licence
Utilisation commerciale autorisée
📅 Créé
🔄 Dernier commit
🏷️ Catégorie
💻 Langue
Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
adapters — GitHub preview card
📈 Historique des étoiles
2 8242 817
2026-07-072026-07-29
📈 Suivez adapters

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Une Bibliothèque Unifiée pour un Apprentissage par Transfert Efficace en Paramètres et Modulaire

adapters compte 2.8k étoiles sur GitHub. Il a été forké 372 fois. adapters est écrit principalement en Python. Il est développé activement depuis 2020. adapters est disponible sous licence Apache-2.0. Ses principaux thèmes sont : adapters, bert, lora, natural-language-processing.

Frequently asked questions

Qu'est-ce que adapters ?

Une Bibliothèque Unifiée pour un Apprentissage par Transfert Efficace en Paramètres et Modulaire

adapters est-il open source ?

adapters est un projet open source. Il est distribué sous licence Apache-2.0.

adapters est-il gratuit ?

Oui. adapters est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est adapters ?

adapters est disponible sous licence Apache-2.0.

Dans quel langage adapters est-il écrit ?

adapters est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
OpenSourceAI badge — adapters

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=adapter-hub-adapters)](https://opensourceai.tech/project/adapter-hub-adapters.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
tokenizers
💥 Tokenizers rapides à la pointe de la technologie optimisés pour la recherche et la production
10.9k · bert
partagebertnatural-language-processing
AliceMind
Collection d'encodeurs-décodeurs d'ALIbaba du laboratoire MinD (Machine IntelligeNce of Damo)
2k · bert
partagebertnatural-language-processing
Awesome-Parameter-Efficient-Transfer-Learning
Une collection d'articles sur l'apprentissage par transfert efficace en paramètres se concentra…
412 · computer-vision
partageparameter-efficient-learningparameter-efficient-tuning
peft
🤗 PEFT : Ajustement fin efficace en paramètres à la pointe de la technologie.
21.5k · adapter
partageparameter-efficient-learninglora
cdQA
⛔ [NON MAINTENU] Un système de question-réponse fermé de bout en bout.
617 · artificial-intelligence
partagebertnatural-language-processing
Awesome-Multimodal-LLM
Tendances de recherche dans l'apprentissage multimodal guidé par LLM.
355 · in-context-learning
partageparameter-efficient-learningparameter-efficient-tuning
bertviz
BertViz : Visualisez l'attention dans les modèles Transformer
8.1k · bert
partagebertnatural-language-processing
KoBERT
Modèle pré-entraîné BERT coréen (KoBERT)
1.4k · bert
partageberttransformers
BERT-of-Theseus
⛵️L'implémentation officielle PyTorch pour "BERT-of-Theseus : Compression de BERT par Remplacem…
316 · bert
partageberttransformers
happy-transformer
Happy Transformer facilite le fine-tuning et l'inférence avec des modèles Transformer NLP.
548 · ai
partagebertnatural-language-processing

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.