Home Progetti iTransformer
iTransformer
Python

iTransformer

Implementazione non ufficiale di iTransformer - SOTA Previsione delle serie temporali utilizzando reti di attenzione, dal gruppo Tsinghua / Ant

di lucidrains · GitHub
Stelle
Fork
Licenza
Creato
Ultimo commit
Lingua
artificial-intelligenceattention-mechanismsdeep-learningMITPython
Visualizza su GitHub
In parole semplici

Implementa un modello di previsione delle serie temporali utilizzando reti di attenzione per previsioni accurate.

Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
iTransformer — GitHub preview card
📈 Storia delle stelle
539538
2026-07-202026-08-31
📈 Segui iTransformer

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

Implementazione non ufficiale di iTransformer - SOTA Previsione delle serie temporali utilizzando reti di attenzione, dal gruppo Tsinghua / Ant

iTransformer ha 538 stelle su GitHub. È stato forkato 38 volte. iTransformer è scritto principalmente in Python. È in sviluppo attivo dal 2023. iTransformer è disponibile con licenza MIT. I suoi temi principali sono: artificial-intelligence, attention-mechanisms, deep-learning, time-series-forecasting.

Frequently asked questions

Che cos'è iTransformer?

Implementazione non ufficiale di iTransformer - SOTA Previsione delle serie temporali utilizzando reti di attenzione, dal gruppo Tsinghua / Ant

iTransformer è open source?

iTransformer è un progetto open source. È rilasciato con licenza MIT.

iTransformer è gratuito?

Sì. iTransformer è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è iTransformer?

iTransformer è disponibile con licenza MIT.

In quale linguaggio è scritto iTransformer?

iTransformer è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — iTransformer

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![olud.ai](https://olud.ai/badge.php?tool=lucidrains-itransformer)](https://olud.ai/project/lucidrains-itransformer.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →
Crossformer
Implementazione ufficiale del nostro articolo ICLR 2023 "Crossformer: Transformer Utilizing Cro…
695 · deep-learning
condividetime-series-forecasting
robotic-transformer-pytorch
Implementazione di RT1 (Robotic Transformer) in Pytorch
455 · artificial-intelligence
condivideattention-mechanisms
muse-maskgit-pytorch
Implementazione di Muse: Generazione di Testo in Immagine tramite Trasformatori Generativi Masc…
918 · artificial-intelligence
condivideattention-mechanisms
SSSD
Repository per il documento: 'Imputazione e Previsione di Serie Temporali Basate su Diffusione…
334 · deep-learning
condividetime-series-forecasting
Awesome-Transformer-Attention
Un elenco di articoli completo sui Vision Transformer/Attenzione, inclusi articoli, codici e si…
5k · attention-mechanism
condivideattention-mechanisms
recurrent-memory-transformer-pytorch
Implementazione del Recurrent Memory Transformer, documento Neurips 2022, in Pytorch
424 · artificial-intelligence
condivideattention-mechanisms
meshgpt-pytorch
Implementazione di MeshGPT, generazione Mesh SOTA utilizzando Attention, in Pytorch
861 · artificial-intelligence
condivideattention-mechanisms
audiolm-pytorch
Implementazione di AudioLM, un approccio SOTA di modellazione del linguaggio per la generazione…
2.6k · artificial-intelligence
condivideattention-mechanisms
PaLM-rlhf-pytorch
Implementazione di RLHF (Reinforcement Learning con Feedback Umano) sopra l'architettura PaLM.…
7.9k · artificial-intelligence
condivideattention-mechanisms
alphafold3-pytorch
Implementazione di Alphafold 3 di Google Deepmind in Pytorch
1.7k · artificial-intelligence
condivideattention-mechanisms

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.