Accueil Projets q-transformer
q-transformer

q-transformer

par lucidrains · GitHub

Implémentation de Q-Transformer, apprentissage par renforcement hors ligne évolutif via des fonctions Q autorégressives, provenant de Google Deepmind

Voir sur GitHub
⭐ Étoiles
🍴 Forks
📜 Licence
Utilisation commerciale autorisée
📅 Créé
🔄 Dernier commit
🏷️ Catégorie
💻 Langue
🖥️ Auto-hébergeable
Probable
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 →
q-transformer — GitHub preview card
📈 Historique des étoiles
408407
2026-07-202026-07-29
📈 Suivez q-transformer

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

Implémentation de Q-Transformer, apprentissage par renforcement hors ligne évolutif via des fonctions Q autorégressives, provenant de Google Deepmind

q-transformer compte 407 étoiles sur GitHub. Il a été forké 22 fois. q-transformer est écrit principalement en Python. Il est développé activement depuis 2023. q-transformer est disponible sous licence MIT. Ses principaux thèmes sont : artificial-intelligence, attention-mechanisms, deep-learning, offline-learning.

Frequently asked questions

Qu'est-ce que q-transformer ?

Implémentation de Q-Transformer, apprentissage par renforcement hors ligne évolutif via des fonctions Q autorégressives, provenant de Google Deepmind

q-transformer est-il open source ?

q-transformer est un projet open source. Il est distribué sous licence MIT.

q-transformer est-il gratuit ?

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

Sous quelle licence est q-transformer ?

q-transformer est disponible sous licence MIT.

Dans quel langage q-transformer est-il écrit ?

q-transformer est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — q-transformer

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=lucidrains-q-transformer)](https://olud.ai/project/lucidrains-q-transformer.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
robotic-transformer-pytorch
Implémentation de RT1 (Robotic Transformer) en Pytorch
455 · artificial-intelligence
partageattention-mechanismstransformers
muse-maskgit-pytorch
Implémentation de Muse : Génération d'images à partir de texte via des Transformateurs Générati…
918 · artificial-intelligence
partageattention-mechanismstransformers
iTransformer
Implémentation non officielle de iTransformer - Prévision de séries temporelles SOTA utilisant…
537 · artificial-intelligence
partageattention-mechanismstransformers
meshgpt-pytorch
Implémentation de MeshGPT, génération de maillage SOTA utilisant l'attention, en Pytorch
861 · artificial-intelligence
partageattention-mechanismstransformers
audiolm-pytorch
Implémentation d'AudioLM, une approche de modélisation de langage SOTA pour la génération audio…
2.6k · artificial-intelligence
partageattention-mechanismstransformers
musiclm-pytorch
Mise en œuvre de MusicLM, le nouveau modèle SOTA de Google pour la génération musicale utilisan…
3.3k · artificial-intelligence
partageattention-mechanismstransformers
toolformer-pytorch
Implémentation de Toolformer, Modèles de Langage Qui Peuvent Utiliser des Outils, par MetaAI
2.1k · api-calling
partageattention-mechanismstransformers
BS-RoFormer
Implémentation de Band Split Roformer, réseau d'attention SOTA pour la séparation de sources mu…
879 · artificial-intelligence
partageattention-mechanismstransformers
PaLM-rlhf-pytorch
Implémentation de RLHF (Apprentissage par renforcement avec retour humain) sur l'architecture P…
7.9k · artificial-intelligence
partageattention-mechanismstransformers
magvit2-pytorch
Implémentation du Tokenizer MagViT2 en Pytorch
668 · artificial-intelligence
partageattention-mechanismstransformers

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