Início Projetos RETRO-pytorch
RETRO-pytorch

RETRO-pytorch

por lucidrains · GitHub

Implementação do RETRO, a rede de Atenção baseada em Recuperação da Deepmind, em Pytorch

Ver no GitHub
Em palavras simples

Construa e teste um modelo de IA baseado em recuperação usando Pytorch para melhorar mecanismos de atenção.

⭐ Estrelas
🍴 Forks
🔥 Tendências
📜 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 →
RETRO-pytorch — GitHub preview card
📈 Histórico de estrelas
879877
2026-07-202026-07-29
📈 Acompanhe RETRO-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 RETRO, a rede de Atenção baseada em Recuperação da Deepmind, em Pytorch

RETRO-pytorch tem 879 estrelas no GitHub. Foi bifurcado 108 vezes. RETRO-pytorch é escrito principalmente em Python. Está em desenvolvimento ativo desde 2022. RETRO-pytorch está disponível sob a licença Apache-2.0. Os seus principais temas são: artificial-intelligence, attention-mechanism, deep-learning, retrieval.

Frequently asked questions

O que é RETRO-pytorch?

Implementação do RETRO, a rede de Atenção baseada em Recuperação da Deepmind, em Pytorch

RETRO-pytorch é de código aberto?

RETRO-pytorch é um projeto de código aberto. É distribuído sob a licença Apache-2.0.

RETRO-pytorch é gratuito?

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

Sob que licença está RETRO-pytorch?

RETRO-pytorch está disponível sob a licença Apache-2.0.

Em que linguagem RETRO-pytorch está escrito?

RETRO-pytorch é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
OpenSourceAI badge — RETRO-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-retro-pytorch)](https://opensourceai.tech/project/lucidrains-retro-pytorch.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →
memorizing-transformers-pytorch
Implementação de Memorizing Transformers (ICLR 2022), rede de atenção aumentada com indexação e…
646 · approximate-nearest-neighbors
partilharetrievalattention-mechanism
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
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.