Início Projetos CoCa-pytorch
CoCa-pytorch

CoCa-pytorch

por lucidrains · GitHub

Implementação do CoCa, Captioners Contrastivos são Modelos Fundamentais de Imagem-Tex, em Pytorch

Ver no GitHub
Em palavras simples

Crie e treine modelos de IA que entendem tanto imagens quanto texto, melhorando a forma como interpretam informações visuais.

⭐ Estrelas
🍴 Forks
📜 Licença
Uso comercial permitido
📅 Criado
🔄 Último commit
🏷️ Categoria
💻 Linguagem
Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
CoCa-pytorch — GitHub preview card
📈 Histórico de estrelas
1 1961 195
2026-07-202026-07-29
📈 Acompanhe CoCa-pytorch

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

Implementação do CoCa, Captioners Contrastivos são Modelos Fundamentais de Imagem-Tex, em Pytorch

CoCa-pytorch tem 1.2k estrelas no GitHub. Foi bifurcado 89 vezes. CoCa-pytorch é escrito principalmente em Python. Está em desenvolvimento ativo desde 2022. CoCa-pytorch está disponível sob a licença MIT. Os seus principais temas são: artificial-intelligence, attention-mechanism, contrastive-learning, deep-learning.

Frequently asked questions

O que é CoCa-pytorch?

Implementação do CoCa, Captioners Contrastivos são Modelos Fundamentais de Imagem-Tex, em Pytorch

CoCa-pytorch é de código aberto?

CoCa-pytorch é um projeto de código aberto. É distribuído sob a licença MIT.

CoCa-pytorch é gratuito?

Sim. CoCa-pytorch é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Sob que licença está CoCa-pytorch?

CoCa-pytorch está disponível sob a licença MIT.

Em que linguagem CoCa-pytorch está escrito?

CoCa-pytorch é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
OpenSourceAI badge — CoCa-pytorch

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=lucidrains-coca-pytorch)](https://opensourceai.tech/project/lucidrains-coca-pytorch.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →
x-transformers
Um transformer completo, mas conciso, com um conjunto de recursos experimentais promissores de…
5.9k · artificial-intelligence
partilhaattention-mechanismtransformers
reformer-pytorch
Reformer, o Transformer eficiente, em Pytorch
2.2k · artificial-intelligence
partilhaattention-mechanismtransformers
PaLM-pytorch
Implementação da arquitetura Transformer específica do PaLM - Escalando Modelagem de Linguagem…
825 · artificial-general-intelligence
partilhaattention-mechanismtransformers
parti-pytorch
Implementação do Parti, a rede neural de texto para imagem baseada em atenção pura do Google, e…
537 · artificial-intelligence
partilhaattention-mechanismtransformers
vit-pytorch
Implementação do Vision Transformer, uma maneira simples de alcançar SOTA em classificação de v…
25.4k · artificial-intelligence
partilhaattention-mechanismtransformers
RETRO-pytorch
Implementação do RETRO, a rede de Atenção baseada em Recuperação da Deepmind, em Pytorch
879 · artificial-intelligence
partilhaattention-mechanismtransformers
performer-pytorch
Uma implementação do Performer, um transformer baseado em atenção linear, em Pytorch.
1.2k · artificial-intelligence
partilhaattention-mechanismtransformers
flamingo-pytorch
Implementação do 🦩 Flamingo, rede de atenção de perguntas visuais de poucos disparos de última…
1.3k · artificial-intelligence
partilhaattention-mechanismtransformers
TimeSformer-pytorch
Implementação do TimeSformer do Facebook AI, uma solução puramente baseada em atenção para clas…
729 · artificial-intelligence
partilhaattention-mechanismtransformers
FLASH-pytorch
Implementação da variante Transformer proposta em "Transformer Quality in Linear Time"
372 · artificial-intelligence
partilhaattention-mechanismtransformers

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.