Accueil Projets transformers_tasks
transformers_tasks

transformers_tasks

par HarderThenHarder · GitHub

⭐️ Algorithmes NLP avec la bibliothèque transformers. Supporte la classification de texte, la génération de texte, l'extraction d'informations, la correspondance de texte, RLHF, SFT, etc.

Voir sur GitHub
En termes simples

Entraînez et personnalisez des modèles IA pour diverses tâches linguistiques comme la classification de texte et l'extraction d'informations.

⭐ Étoiles
🍴 Forks
🔥 Tendances
📜 Licence
Licence non spécifiée
📅 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 →
transformers_tasks — GitHub preview card
📈 Historique des étoiles
2 4212 419
2026-07-072026-07-29
📈 Suivez transformers_tasks

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

⭐️ Algorithmes NLP avec la bibliothèque transformers. Supporte la classification de texte, la génération de texte, l'extraction d'informations, la correspondance de texte, RLHF, SFT, etc.

transformers_tasks compte 2.4k étoiles sur GitHub. Il a été forké 398 fois. transformers_tasks est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2022. Ses principaux thèmes sont : information-extraction, nlp, reinforcement-learning, text-classification.

Frequently asked questions

Qu'est-ce que transformers_tasks ?

⭐️ Algorithmes NLP avec la bibliothèque transformers. Supporte la classification de texte, la génération de texte, l'extraction d'informations, la correspondance de texte, RLHF, SFT, etc.

transformers_tasks est-il open source ?

transformers_tasks est un projet open source.

transformers_tasks est-il gratuit ?

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

Dans quel langage transformers_tasks est-il écrit ?

transformers_tasks est écrit principalement en Jupyter Notebook.

🏅 Mainteneur de ce projet ?
OpenSourceAI badge — transformers_tasks

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=harderthenharder-transformers-tasks)](https://opensourceai.tech/project/harderthenharder-transformers-tasks.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
Transformers_for_Text_Classification
Classification de texte basée sur des Transformers
343 · nlp
partagetext-classificationtransformers
uie_pytorch
Implémentation de PaddleNLP UIE modèle en PyTorch
702 · information-extraction
partageinformation-extractiontransformers
Cornucopia-LLaMA-Fin-Chinese
聚宝盆(Cornucopia) : Modèle de grande taille open-source commercialisable en finance en chinois, e…
659 · chinese
partagetext-generationtransformers
happy-transformer
Happy Transformer facilite le fine-tuning et l'inférence avec des modèles Transformer NLP.
548 · ai
partagetext-classificationtransformers
course
Le cours Hugging Face sur les Transformers
4.1k · deep-learning
partagetransformersnlp
pysentimiento
Un toolkit multilingue Python pour l'analyse de sentiments et les tâches de NLP social
658 · nlp
partagetransformersnlp
Bert-Multi-Label-Text-Classification
Ce dépôt contient une implémentation PyTorch d'un modèle BERT pré-entraîné pour la classificati…
922 · albert
partagetext-classificationtransformers
attention_sinks
Étendre les LLM existants bien au-delà de la longueur d'entraînement originale avec une utilisa…
735 · llm
partagetransformersnlp
small-text
Apprentissage actif pour la classification de texte en Python
648 · active-learning
partagetext-classificationtransformers
simpletransformers
Transformers pour la recherche d'information, la classification de texte, NER, QA, modélisation…
4.3k · conversational-ai
partagetext-classificationtransformers

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