Accueil Projets PyTorchNLPBook
PyTorchNLPBook
Jupyter Notebook

PyTorchNLPBook

Code et données accompagnant le traitement du langage naturel avec PyTorch publié par O'Reilly Media https://amzn.to/3JUgR2L

par delip · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Catégorie
deep-learningdeep-neural-networksnatural-language-processingApache-2.0Jupyter Notebook
Voir sur GitHub
En termes simples

Explorez des exemples de code et des données pour construire des applications linguistiques en utilisant des techniques d'apprentissage profond d'un livre publié.

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 →
PyTorchNLPBook — GitHub preview card
📈 Historique des étoiles
2 0592 056
2026-07-072026-08-31
📈 Suivez PyTorchNLPBook

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

Code et données accompagnant le traitement du langage naturel avec PyTorch publié par O'Reilly Media https://amzn.to/3JUgR2L

PyTorchNLPBook compte 2.1k étoiles sur GitHub. Il a été forké 807 fois. PyTorchNLPBook est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2019. PyTorchNLPBook est disponible sous licence Apache-2.0. Ses principaux thèmes sont : deep-learning, deep-neural-networks, natural-language-processing, neural-machine-translation.

Frequently asked questions

Qu'est-ce que PyTorchNLPBook ?

Code et données accompagnant le traitement du langage naturel avec PyTorch publié par O'Reilly Media https://amzn.to/3JUgR2L

PyTorchNLPBook est-il open source ?

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

PyTorchNLPBook est-il gratuit ?

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

Sous quelle licence est PyTorchNLPBook ?

PyTorchNLPBook est disponible sous licence Apache-2.0.

Dans quel langage PyTorchNLPBook est-il écrit ?

PyTorchNLPBook est écrit principalement en Jupyter Notebook.

🏅 Mainteneur de ce projet ?
olud.ai badge — PyTorchNLPBook

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

[![olud.ai](https://olud.ai/badge.php?tool=delip-pytorchnlpbook)](https://olud.ai/project/delip-pytorchnlpbook.html)
Plus d'options de badge →
🧬 Partage son ADN avec
OpenNMT-py
Traduction automatique neuronale open source et modèles de langage (grands) en PyTorch
7k · deep-learning
partageneural-machine-translation
bert_score
Score BERT pour la génération de texte
1.9k · machine-learning
partagenatural-language-processing
Comprehensive_DL_Tutor
Tutoriel complet sur l'apprentissage profond : De zéro à héros
547 · computer-vision
partagenatural-language-processing
Transformers-Recipe
🧠 Un guide d'étude pour en apprendre davantage sur les Transformers
1.6k · ai
partagenatural-language-processing
promptsource
Boîte à outils pour créer, partager et utiliser des prompts en langage naturel.
3k · machine-learning
partagenatural-language-processing
awesome-self-supervised-learning
Une liste soigneusement sélectionnée de méthodes auto-supervisées impressionnantes
6.4k · computer-vision
partagenatural-language-processing
ML-paper-notes
:notebook: Notes et résumés de divers documents sur le ML, la vision par ordinateur et le NLP.
564 · computer-vision
partagenatural-language-processing
tensorflow-1.4-billion-password-analysis
Modèle d'apprentissage profond pour analyser un grand corpus de mots de passe en texte clair.
2k · deep-learning
partagenatural-language-processing
AI-Job-Resume
Modèle de CV pour poste d'algorithme IA
714 · artificial-intelligence
partagenatural-language-processing
fromage
🧀 Code et modèles pour l'article ICML 2023 "Ancrage des modèles de langage aux images pour des…
482 · computer-vision
partagenatural-language-processing

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