Home› Progetti› RLSeq2Seq
RLSeq2Seq

RLSeq2Seq

di yaserkl · GitHub

Apprendimento Profondo per Modelli Sequenza a Sequenza

# abstractive-text-summarization# actor-critic# nlp# pointer-generator# policy-gradient
Visualizza su GitHub
In parole semplici

Implementa tecniche di deep learning per riassumere testi utilizzando metodi di apprendimento per rinforzo.

⭐ Stelle
767
🍴 Fork
160
📜 Licenza
MIT
Uso commerciale consentito
📅 Creato
2018
🔄 Ultimo commit
3 yr ago
🏷️ Categoria
abstractive-text-summarization
💻 Lingua
Python
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 →
RLSeq2Seq — GitHub preview card
📈 Storia delle stelle
768767
2026-07-202026-07-29
📈 Segui RLSeq2Seq

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

Apprendimento Profondo per Modelli Sequenza a Sequenza

RLSeq2Seq ha 767 stelle su GitHub. È stato forkato 160 volte. RLSeq2Seq è scritto principalmente in Python. È in sviluppo attivo dal 2018. RLSeq2Seq è disponibile con licenza MIT. I suoi temi principali sono: abstractive-text-summarization, actor-critic, nlp, pointer-generator.

❓ Frequently asked questions

Che cos'è RLSeq2Seq?

Apprendimento Profondo per Modelli Sequenza a Sequenza

RLSeq2Seq è open source?

RLSeq2Seq è un progetto open source. È rilasciato con licenza MIT.

RLSeq2Seq è gratuito?

Sì. RLSeq2Seq è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è RLSeq2Seq?

RLSeq2Seq è disponibile con licenza MIT.

In quale linguaggio è scritto RLSeq2Seq?

RLSeq2Seq è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
OpenSourceAI badge — RLSeq2Seq

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

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=yaserkl-rlseq2seq)](https://opensourceai.tech/project/yaserkl-rlseq2seq.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →
text_summurization_abstractive_methods
Multiple implementazioni per la sommariazione testuale astrattiva, utilizzando Google Colab.
★ 529 · abstractive-text-summarization
condivideabstractive-text-summarizationpointer-generator
reinforcement-learning
Esempi di apprendimento per rinforzo minimi e puliti
★ 3.7k · a3c
condivideactor-criticpolicy-gradient
openai_lab
Un framework di sperimentazione per il Reinforcement Learning utilizzando OpenAI Gym, Tensorflo…
★ 327 · actor-critic
condivideactor-criticpolicy-gradient
cleanrl
Implementazione di alta qualità di algoritmi di Deep Reinforcement Learning con funzionalità ad…
★ 10.2k · a2c
Reinforcement-learning-with-tensorflow
Tutorial semplici di apprendimento per rinforzo, 莫烦Python 中文AI教学
★ 9.5k · a3c
Deep-reinforcement-learning-with-pytorch
Implementazione PyTorch di DQN, AC, ACER, A2C, A3C, PG, DDPG, TRPO, PPO, SAC, TD3 e ....
★ 4.6k · a2c
pytorch-a2c-ppo-acktr-gail
Implementazione PyTorch di Advantage Actor Critic (A2C), Proximal Policy Optimization (PPO), me…
★ 3.9k · a2c
Deep_reinforcement_learning_Course
Implementazioni del corso gratuito Deep Reinforcement Learning con Tensorflow e PyTorch
★ 3.9k · a2c
pytorch-a3c
Implementazione PyTorch di Asynchronous Advantage Actor Critic (A3C) da "Metodi Asincroni per l…
★ 1.3k · a3c
chainerrl
ChainerRL è una libreria di apprendimento profondo per rinforzo costruita su Chainer.
★ 1.2k · actor-critic

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