Home Progetti x-transformers
x-transformers

x-transformers

di lucidrains · GitHub

Un trasformatore completo ma conciso con un insieme di promettenti funzionalità sperimentali da vari articoli

Visualizza su GitHub
In parole semplici

Costruisci e sperimenta con modelli AI avanzati che elaborano testo e immagini utilizzando un framework transformer flessibile.

⭐ Stelle
🍴 Fork
🔥 Tendenze
📜 Licenza
Uso commerciale consentito
📅 Creato
🔄 Ultimo commit
🏷️ Categoria
💻 Lingua
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 →
x-transformers — GitHub preview card
📈 Storia delle stelle
5.93k5.92k
2026-07-042026-07-29
📈 Segui x-transformers

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

Un trasformatore completo ma conciso con un insieme di promettenti funzionalità sperimentali da vari articoli

x-transformers ha 5.9k stelle su GitHub. È stato forkato 517 volte. x-transformers è scritto principalmente in Python. È in sviluppo attivo dal 2020. x-transformers è disponibile con licenza MIT. I suoi temi principali sono: artificial-intelligence, attention-mechanism, deep-learning, transformers.

Frequently asked questions

Che cos'è x-transformers?

Un trasformatore completo ma conciso con un insieme di promettenti funzionalità sperimentali da vari articoli

x-transformers è open source?

x-transformers è un progetto open source. È rilasciato con licenza MIT.

x-transformers è gratuito?

Sì. x-transformers è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è x-transformers?

x-transformers è disponibile con licenza MIT.

In quale linguaggio è scritto x-transformers?

x-transformers è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — x-transformers

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-x-transformers)](https://olud.ai/project/lucidrains-x-transformers.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →
reformer-pytorch
Reformer, il Transformer efficiente, in Pytorch
2.2k · artificial-intelligence
condivideattention-mechanismtransformers
PaLM-pytorch
Implementazione dell'architettura Transformer specifica da PaLM - Scaling Language Modeling wit…
825 · artificial-general-intelligence
condivideattention-mechanismtransformers
parti-pytorch
Implementazione di Parti, la rete neurale text-to-image basata su pura attenzione di Google, in…
537 · artificial-intelligence
condivideattention-mechanismtransformers
vit-pytorch
Implementazione di Vision Transformer, un modo semplice per raggiungere SOTA nella classificazi…
25.4k · artificial-intelligence
condivideattention-mechanismtransformers
RETRO-pytorch
Implementazione di RETRO, la rete di attenzione basata su recupero di Deepmind, in Pytorch
879 · artificial-intelligence
condivideattention-mechanismtransformers
performer-pytorch
Un'implementazione di Performer, un trasformatore basato su attenzione lineare, in Pytorch.
1.2k · artificial-intelligence
condivideattention-mechanismtransformers
flamingo-pytorch
Implementazione di 🦩 Flamingo, rete di attenzione all'avanguardia per domande visive a pochi co…
1.3k · artificial-intelligence
condivideattention-mechanismtransformers
TimeSformer-pytorch
Implementazione di TimeSformer di Facebook AI, una soluzione puramente basata su attenzione per…
729 · artificial-intelligence
condivideattention-mechanismtransformers
FLASH-pytorch
Implementazione della variante Transformer proposta in "Transformer Quality in Linear Time"
372 · artificial-intelligence
condivideattention-mechanismtransformers
DALLE-pytorch
Implementazione / replicazione di DALL-E, il Trasformatore di Testo in Immagine di OpenAI, in P…
5.6k · artificial-intelligence
condivideattention-mechanismtransformers

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