awesome-repositories.com
Blog
MCP
awesome-repositories.com

Descubre los mejores repositorios open-source con nuestra búsqueda potenciada por IA.

ExplorarBúsquedas curadasAlternativas open-sourceSoftware autohospedableBlogMapa del sitio
ProyectoServidor MCPAcerca deCómo clasificamosPrensa
Aviso legalPrivacidadTérminos
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

1 repositorio

Awesome GitHub RepositoriesConvolutional Sequence Models

Sequence models that utilize stacks of convolutional layers instead of recurrent units for parallel processing.

Distinct from Sequence-to-Sequence Models: Distinct from general Sequence-to-Sequence Models: specifically focuses on the convolutional architecture rather than encoder-decoder patterns.

Explore 1 awesome GitHub repository matching artificial intelligence & ml · Convolutional Sequence Models. Refine with filters or upvote what's useful.

Awesome Convolutional Sequence Models GitHub Repositories

Encuentra los mejores repositorios con IA.Buscaremos los repositorios que mejor coincidan usando IA.
  • locuslab/tcnAvatar de locuslab

    locuslab/TCN

    4,525Ver en GitHub↗

    TCN es un framework de aprendizaje profundo de secuencias y biblioteca para construir redes convolucionales temporales. Proporciona un kit de herramientas para implementar arquitecturas puramente convolucionales para modelar datos secuenciales como alternativa a las redes neuronales recurrentes. El proyecto incluye una suite de benchmarking de modelado de secuencias diseñada para evaluar la precisión y velocidad de procesamiento de las arquitecturas. Esta suite utiliza tareas estandarizadas, incluyendo problemas de memoria, clasificación de dígitos, música y tareas de lenguaje, para cuantificar el rendimiento. El framework cubre una gama de componentes estructurales para el procesamiento de secuencias, como capas convolucionales causales para evitar la fuga de información y kernels dilatados para aumentar el campo receptivo. También proporciona bloques de conexión residual para la estabilidad del gradiente y pipelines de datos para transformar datos de series temporales crudos en tensores.

    Replaces recurrent neural networks with a stack of convolutional layers to allow parallel processing of sequences.

    Python
    Ver en GitHub↗4,525
  1. Home
  2. Artificial Intelligence & ML
  3. Sequence-to-Sequence Models
  4. Convolutional Sequence Models