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 RepositoriesTraining Workflows

Processes for training encoder-decoder architectures to map input sequences to target sequences.

Distinct from Sequence-to-Sequence Models: Distinct from Sequence-to-Sequence Models: focuses on the training process and execution logic rather than the neural network architecture.

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

Awesome Training Workflows GitHub Repositories

Encuentra los mejores repositorios con IA.Buscaremos los repositorios que mejor coincidan usando IA.
  • thilinarajapakse/simpletransformersAvatar de ThilinaRajapakse

    ThilinaRajapakse/simpletransformers

    4,248Ver en GitHub↗

    SimpleTransformers es un framework de alto nivel para entrenar y ajustar modelos transformer para diversas tareas de procesamiento de lenguaje natural. Funciona como un kit de herramientas para desarrollar modelos de clasificación de texto, reconocimiento de entidades nombradas y respuesta a preguntas, sirviendo también como herramienta de secuencia a secuencia y generador de embeddings de texto. La biblioteca se distingue por proporcionar un entrenador de modelos multimodales capaz de procesar y clasificar datos que combinan entradas de texto e imagen. Además, admite flujos de trabajo especializados para el entrenamiento de IA conversacional, generación de modelos de lenguaje y recuperación densa de documentos para sistemas de recuperación de información. El framework cubre una amplia gama de capacidades, incluyendo la gestión del flujo de trabajo de entrenamiento con parada temprana (early stopping), optimización del rendimiento del modelo mediante cuantización y la creación de tokenizadores personalizados específicos del dominio. También integra el seguimiento de experimentos y la visualización de predicciones mediante paneles de telemetría externos.

    Trains encoder-decoder architectures for text transformation tasks such as language translation and summarization.

    Pythonconversational-aiinformation-retrivalnamed-entity-recognition
    Ver en GitHub↗4,248
  1. Home
  2. Artificial Intelligence & ML
  3. Sequence-to-Sequence Models
  4. Training Workflows