Accueil Projets TextAttack
TextAttack
Python

TextAttack

TextAttack 🐙 est un cadre Python pour les attaques adversariales, l'augmentation de données et l'entraînement de modèles en NLP https://textattack.readthedocs.io/en/master/

par QData · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Langue
adversarial-attacksadversarial-examplesadversarial-machine-learningMITPython
Voir sur GitHub
En termes simples

Générez des exemples pour tester et améliorer des modèles de traitement du langage naturel en utilisant un cadre 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 →
TextAttack — GitHub preview card
📈 Historique des étoiles
3.45k3.44k
2026-07-072026-08-31
📈 Suivez TextAttack

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

TextAttack 🐙 est un cadre Python pour les attaques adversariales, l'augmentation de données et l'entraînement de modèles en NLP https://textattack.readthedocs.io/en/master/

TextAttack compte 3.4k étoiles sur GitHub. Il a été forké 450 fois. TextAttack est écrit principalement en Python. Il est développé activement depuis 2019. TextAttack est disponible sous licence MIT. Ses principaux thèmes sont : adversarial-attacks, adversarial-examples, adversarial-machine-learning, data-augmentation.

Frequently asked questions

Qu'est-ce que TextAttack ?

TextAttack 🐙 est un cadre Python pour les attaques adversariales, l'augmentation de données et l'entraînement de modèles en NLP https://textattack.readthedocs.io/en/master/

TextAttack est-il open source ?

TextAttack est un projet open source. Il est distribué sous licence MIT.

TextAttack est-il gratuit ?

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

Sous quelle licence est TextAttack ?

TextAttack est disponible sous licence MIT.

Dans quel langage TextAttack est-il écrit ?

TextAttack est écrit principalement en Python.

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

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=qdata-textattack)](https://olud.ai/project/qdata-textattack.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
adversarial-robustness-toolbox
Boîte à outils de robustesse adversariale (ART) - Bibliothèque Python pour la sécurité de l'app…
6.1k · adversarial-attacks
partageadversarial-examplesadversarial-machine-learning
photoguard
Augmenter le coût de l'édition d'images malveillantes alimentée par AI
689 · adversarial-attacks
partageadversarial-examplesadversarial-attacks
foolbox
Une boîte à outils Python pour créer des exemples adversariaux qui trompent les réseaux neurona…
3k · adversarial-attacks
partageadversarial-examplesadversarial-attacks
vigil-llm
⚡ Vigil ⚡ Détecter les injections de prompt, les jailbreaks, et d'autres entrées potentielleme…
496 · adversarial-attacks
partageadversarial-machine-learningadversarial-attacks
adversarial-attacks-pytorch
Implémentation PyTorch des attaques adversariales [torchattacks]
2.2k · adversarial-attacks
partageadversarial-attacks
nlpaug
Augmentation de données pour le NLP
4.7k · adversarial-attacks
partageadversarial-attacks
torchio
Traitement d'images médicales pour des applications IA.
2.4k · augmentation
partagedata-augmentation
face.evoLVe
🔥🔥Bibliothèque de reconnaissance faciale haute performance sur PaddlePaddle & PyTorch🔥🔥
3.6k · artificial-intelligence
partagedata-augmentation
nlp_xiaojiang
Traitement du langage naturel (nlp), robot Xiaojiang (chatbot de recherche de conversation), ve…
1.5k · bert
partagedata-augmentation
T2F
T2F : génération de texte à visage utilisant l'apprentissage profond
546 · adversarial-machine-learning
partageadversarial-machine-learning

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