Início Projetos x-transformers
x-transformers

x-transformers

por lucidrains · GitHub

Um transformer completo, mas conciso, com um conjunto de recursos experimentais promissores de vários artigos

Ver no GitHub
Em palavras simples

Construa e experimente modelos avançados de IA que processam texto e imagens usando um framework de transformador flexível.

⭐ 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 →
x-transformers — GitHub preview card
📈 Histórico de estrelas
5.93k5.92k
2026-07-042026-07-29
📈 Acompanhe x-transformers

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

Um transformer completo, mas conciso, com um conjunto de recursos experimentais promissores de vários artigos

x-transformers tem 5.9k estrelas no GitHub. Foi bifurcado 517 vezes. x-transformers é escrito principalmente em Python. Está em desenvolvimento ativo desde 2020. x-transformers está disponível sob a licença MIT. Os seus principais temas são: artificial-intelligence, attention-mechanism, deep-learning, transformers.

Frequently asked questions

O que é x-transformers?

Um transformer completo, mas conciso, com um conjunto de recursos experimentais promissores de vários artigos

x-transformers é de código aberto?

x-transformers é um projeto de código aberto. É distribuído sob a licença MIT.

x-transformers é gratuito?

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

Sob que licença está x-transformers?

x-transformers está disponível sob a licença MIT.

Em que linguagem x-transformers está escrito?

x-transformers é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
olud.ai badge — x-transformers

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

[![olud.ai](https://olud.ai/badge.php?tool=lucidrains-x-transformers)](https://olud.ai/project/lucidrains-x-transformers.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →
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
DALLE-pytorch
Implementação / replicação do DALL-E, o Transformador de Texto para Imagem da OpenAI, em Pytorc…
5.6k · artificial-intelligence
partilhaattention-mechanismtransformers

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