Accueil Projets How-to-use-Transformers
How-to-use-Transformers
Python

How-to-use-Transformers

Tutoriel d'introduction rapide à la bibliothèque Transformers

par jsksxs360 · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Catégorie
Langue
bertclassificationnatural-language-processingApache-2.0Python
Voir sur GitHub
En termes simples

Chargez et utilisez des modèles de langage pré-entraînés pour des tâches de traitement du langage naturel dans vos applications Python.

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 →
How-to-use-Transformers — GitHub preview card
📈 Historique des étoiles
1 8811 880
2026-07-202026-08-31
📈 Suivez How-to-use-Transformers

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

Tutoriel d'introduction rapide à la bibliothèque Transformers

How-to-use-Transformers compte 1.9k étoiles sur GitHub. Il a été forké 228 fois. How-to-use-Transformers est écrit principalement en Python. Il est développé activement depuis 2022. How-to-use-Transformers est disponible sous licence Apache-2.0. Ses principaux thèmes sont : bert, classification, natural-language-processing, ner.

Frequently asked questions

Qu'est-ce que How-to-use-Transformers ?

Tutoriel d'introduction rapide à la bibliothèque Transformers

How-to-use-Transformers est-il open source ?

How-to-use-Transformers est un projet open source. Il est distribué sous licence Apache-2.0.

How-to-use-Transformers est-il gratuit ?

Oui. How-to-use-Transformers est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est How-to-use-Transformers ?

How-to-use-Transformers est disponible sous licence Apache-2.0.

Dans quel langage How-to-use-Transformers est-il écrit ?

How-to-use-Transformers est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — How-to-use-Transformers

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=jsksxs360-how-to-use-transformers)](https://olud.ai/project/jsksxs360-how-to-use-transformers.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
AliceMind
Collection d'encodeurs-décodeurs d'ALIbaba du laboratoire MinD (Machine IntelligeNce of Damo)
2k · bert
partagebertnatural-language-processing
nncf
Cadre de compression de réseau de neurones pour une inférence OpenVINO™ améliorée.
1.2k · bert
partageclassificationbert
transformers-tutorials
Dépôt Github avec des tutoriels pour affiner les transformateurs pour différentes tâches NLP
864 · bert
partageclassificationbert
tokenizers
💥 Tokenizers rapides à la pointe de la technologie optimisés pour la recherche et la production
10.9k · bert
partagebertnatural-language-processing
awesome-DeepLearning
深度学习入门课、资深课、特色课、学术案例、产业实践案例、深度学习知识百科及面试题库Le cours, les cas et les connaissances sur l'apprentis…
3.6k · bert
partageclassificationbert
contextualSpellCheck
✔️ Vérificateur de mots contextuels pour de meilleures suggestions (non maintenu activement)
419 · bert
partagebertnatural-language-processing
bertviz
BertViz : Visualisez l'attention dans les modèles Transformer
8.1k · bert
partagebertnatural-language-processing
gector
Implémentation officielle des articles "GECToR – Correction d'Erreurs Grammaticales : Taguer, P…
970 · bert
partagebertnatural-language-processing
adapters
Une Bibliothèque Unifiée pour un Apprentissage par Transfert Efficace en Paramètres et Modulair…
2.8k · adapters
partagebertnatural-language-processing
SpanMarkerNER
SpanMarker pour la Reconnaissance d'Entités Nommées
476 · huggingface
partagener

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