14 रिपॉजिटरी
Awesome GitHub RepositoriesZero-Shot Classification Models
Models capable of categorizing data into classes not seen during the training phase using semantic descriptions.
Distinguishing note: Focuses on inference-time classification without task-specific fine-tuning.
Explore 14 awesome GitHub repositories matching artificial intelligence & ml · Zero-Shot Classification Models. Refine with filters or upvote what's useful.
Awesome Zero-Shot Classification Models GitHub Repositories
AI के साथ बेहतरीन रिपॉजिटरी खोजें।हम AI का उपयोग करके सबसे सटीक रिपॉजिटरी खोजेंगे।
- openai/clip
openai/CLIP
33,779GitHub पर देखेंCLIP is a neural network architecture designed to map visual and textual data into a shared latent vector space. By utilizing transformer-based feature extraction and multi-modal tokenization, the system aligns images and natural language strings, enabling cross-modal similarity analysis and semantic classification. The project functions as a zero-shot classification engine, identifying image content by calculating the cosine similarity between visual features and arbitrary text labels without requiring task-specific retraining. Beyond inference, it serves as a research toolkit for evaluating
Identifying the content of images by comparing them against arbitrary text descriptions without needing to train custom models for specific categories.
Jupyter Notebookdeep-learningmachine-learning - mlfoundations/open_clip
mlfoundations/open_clip
13,935GitHub पर देखेंOpen CLIP is an open source framework for training and deploying Contrastive Language-Image Pre-training models. It serves as a vision-language training framework and multimodal embedding engine that maps images and text into a shared vector space for similarity searches and zero-shot classification. The project provides a toolkit for distributed training of contrastive models and includes an image-to-text generative model for producing natural language descriptions. It supports custom text encoder integration and utilizes teacher-student model distillation to transfer knowledge from large pr
Enables categorization of images using text prompts without task-specific label training.
Pythoncomputer-visioncontrastive-lossdeep-learning - google-research/vision_transformer
google-research/vision_transformer
12,584GitHub पर देखेंThis project is a research library and toolkit for deep learning computer vision, focused on implementing transformer and mixer-based architectures for image classification. It processes visual data by converting images into sequences of patches, allowing standard attention mechanisms to capture global dependencies without relying on traditional convolutional operations. The framework distinguishes itself through its support for multimodal embedding analysis, which maps images and text into a shared latent vector space. This capability enables zero-shot classification and cross-modal retrieva
Enables zero-shot classification by calculating similarity between image and text embeddings without task-specific training.
Jupyter Notebook - thuml/time-series-library
thuml/Time-Series-Library
12,494GitHub पर देखेंThis PyTorch-based deep learning library provides a framework for analyzing and forecasting temporal data. It implements specialized architectures for time series forecasting, anomaly detection, data imputation, and classification. The project distinguishes itself through the inclusion of zero-shot inference capabilities, allowing large-scale temporal models to be evaluated on unseen datasets without requiring task-specific fine-tuning. The framework covers a broad range of analytical capabilities, including the recovery of missing values in incomplete datasets, the identification of irregul
Implements a framework for evaluating large-scale temporal models on unseen datasets without task-specific fine-tuning.
Python - facebookresearch/seamless_communication
facebookresearch/seamless_communication
11,797GitHub पर देखेंThis project is a multimodal translation framework and large language model capable of speech-to-speech, speech-to-text, and text-to-text translation across nearly 100 languages. It provides a real-time speech translation engine and a comprehensive toolkit for converting spoken audio between languages. The system is distinguished by its ability to preserve the original speaker's tone, pace, and prosody during translation. It utilizes a specialized on-device inference toolkit that converts model checkpoints into C-based libraries, enabling low-latency execution on mobile and edge hardware with
Identifies toxic content in speech by analyzing audio embeddings without requiring language-specific training data.
Jupyter Notebook - opengvlab/internvl
OpenGVLab/InternVL
10,061GitHub पर देखेंInternVL is a vision-language model framework that fuses a visual encoder with a large language model to translate image features into textual tokens for reasoning. It provides a system for multimodal inference and dialogue, enabling the processing of images and text to answer questions or generate descriptions. The project is distinguished by its high-resolution image processing, which uses dynamic tiling to maintain detail for images up to 4K resolution, and its chain-of-thought visual reasoning for solving complex mathematical and spatial problems. It also supports temporal frame sampling
Assigns predefined labels to images without task-specific training, supporting multiple languages.
Pythongptgpt-4ogpt-4v - autogluon/autogluon
autogluon/autogluon
9,997GitHub पर देखेंAutoGluon is an automated machine learning framework and multimodal library designed to automate the end-to-end pipeline from data preprocessing to high-accuracy model training and validation. It functions as an automated model trainer for tabular, image, text, and time series data, as well as a tool for time series forecasting and foundation model finetuning. The project is distinguished by its ability to jointly process and fuse different data types, allowing for the construction of multimodal neural networks that integrate images, text, and structured tables. It supports zero-shot inferenc
Categorizes images into previously unseen classes by leveraging pretrained vision-language models.
Pythonautogluonautomated-machine-learningautoml - facebookresearch/imagebind
facebookresearch/ImageBind
9,036GitHub पर देखेंImageBind is a multi-modal embedding model and joint representation learner that maps images, text, audio, and other modalities into a single shared vector space. It functions as a cross-modal retrieval framework designed to bind multiple sensory inputs into one cohesive mathematical embedding. The system uses a contrastive learning architecture to align disparate data types by maximizing the similarity between related samples. This allows the model to perform zero-shot multimodal classification and execute cross-modal data retrieval, such as locating visual content via natural language descr
Performs zero-shot classification across different modalities without requiring category-specific training examples.
Python - skorch-dev/skorch
skorch-dev/skorch
6,166GitHub पर देखेंSkorch एक लाइब्रेरी है जो PyTorch न्यूरल नेटवर्क को scikit-learn कम्पैटिबल इंटरफ़ेस में रैप करती है, जिससे डीप लर्निंग मॉडल को मानक मशीन लर्निंग पाइपलाइन और हाइपरपैरामीटर ऑप्टिमाइज़ेशन टूल्स के भीतर उपयोग करने की अनुमति मिलती है। यह एक डेटा एडाप्टर, ट्रेनिंग मैनेजर और ऑप्टिमाइज़ेशन टूल के रूप में कार्य करता है जो डीप लर्निंग मॉड्यूल और पारंपरिक मशीन लर्निंग वर्कफ़्लो के बीच की खाई को पाटता है। यह प्रोजेक्ट PyTorch ट्रेनिंग लाइफसाइकिल को ऑटोमेट करने के लिए एक टूलकिट प्रदान करके खुद को अलग करता है, जिसमें इंटीग्रेटेड चेकपॉइंटिंग, अर्ली स्टॉपिंग और लर्निंग रेट शेड्यूलिंग शामिल है। यह विशिष्ट मॉडल लेयर्स को फ़्रीज़ करने और विशेष कार्यों के लिए प्री-ट्रेंड वेट्स को फ़ाइन-ट्यून करने के लिए यूटिलिटीज के माध्यम से ट्रांसफ़र लर्निंग को सक्षम बनाता है। क्षमता सतह डेटा ट्रांसफ़ॉर्मेशन तक फैली हुई है, जिसमें टैबुलर डेटा और न्यूमेरिकल एरेज़ को टेंसर फ़ॉर्मेट में परिवर्तित करना और टेक्स्ट टोकनाइज़र का रजिस्ट्रेशन शामिल है। यह हार्डवेयर एक्सेलेरेशन चयन, जस्ट-इन-टाइम मॉड्यूल कंपाइलेशन और अनिश्चितता परिमाणीकरण (uncertainty quantification) के लिए प्रोबेबिलिस्टिक डेटा मॉडलिंग के लिए टूल्स भी प्रदान करता है। सिस्टम प्रयोगों को पुनरुत्पादनीय (reproducible) बनाने के लिए हाइपरपैरामीटर्स को कमांड लाइन आर्गुमेंट्स में मैप करने के लिए यूटिलिटीज शामिल करता है।
Provides capabilities for classifying data using large language models without task-specific training data.
Jupyter Notebook - microsoft/muzic
microsoft/muzic
4,928GitHub पर देखेंMuzic AI-संचालित संगीत विश्लेषण, रचना और संश्लेषण के लिए एक डीप लर्निंग प्लेटफ़ॉर्म और फ्रेमवर्क है। यह एक संगीत जनरेशन फ्रेमवर्क और विश्लेषण टूल के रूप में कार्य करता है, जो प्रतीकात्मक और ऑडियो संगीत के निर्माण और व्याख्या को व्यवस्थित करने के लिए बड़े भाषा मॉडल्स और स्वायत्त एजेंटों का उपयोग करता है। यह प्रोजेक्ट अपनी क्रॉस-मॉडल क्षमताओं द्वारा प्रतिष्ठित है, जो ज़ीरो-शॉट वर्गीकरण और सूचना पुनर्प्राप्ति के लिए प्राकृतिक भाषा और प्रतीकात्मक संगीत को एक साझा संयुक्त एम्बेडिंग स्पेस में मैप करता है। यह विभिन्न प्रकार के विशेष आर्किटेक्चर को नियोजित करता है, जिसमें ऑडियो संश्लेषण के लिए डिफ्यूज़न फ्रेमवर्क, लंबी-अनुक्रम संरचनात्मक स्थिरता के लिए डुअल-ग्रेन अटेंशन मैकेनिज्म और एक हाइब्रिड सिस्टम शामिल है जो न्यूरल नेटवर्क के साथ संगीत सिद्धांत नियमों को जोड़ता है। यह प्लेटफ़ॉर्म टेक्स्ट और लिरिक्स से MIDI अनुक्रमों के निर्माण, न्यूरल सिंगिंग वॉयस सिंथेसिस और स्वचालित लिरिक्स ट्रांसक्रिप्शन सहित क्षमताओं की एक विस्तृत श्रृंखला को कवर करता है। यह संगीत संरचना मॉडलिंग, विशेषता-आधारित प्रतीकात्मक जनरेशन और स्वायत्त एजेंटों के माध्यम से बाहरी संगीत टूल्स के ऑर्केस्ट्रेशन के लिए टूल्स भी प्रदान करता है। सहायक यूटिलिटीज में बड़े पैमाने पर MIDI बाइनराइजेशन, डेटासेट एन्कोडिंग और मेलोडी नोट निष्कर्षण और स्पीच-टू-फोनम एलाइनमेंट के लिए ऑडियो सिग्नल प्रोसेसिंग के लिए डेटा इंजीनियरिंग पाइपलाइन शामिल हैं।
Assigns labels to symbolic music by comparing features against text-based prompt templates without specific training.
Pythonai-musicdeep-learningmusic - johnsnowlabs/spark-nlp
JohnSnowLabs/spark-nlp
4,135GitHub पर देखेंSpark NLP, Apache Spark वितरित कंप्यूटिंग फ्रेमवर्क पर निर्मित स्केलेबल टेक्स्ट विश्लेषण और मशीन लर्निंग के लिए एक टूलकिट है। यह बड़े पैमाने पर भाषाई डेटा को प्रोसेस करने के लिए एनोटेटर को अनुक्रमित करने के लिए एक मल्टीमॉडल मशीन लर्निंग फ्रेमवर्क और एक वितरित पाइपलाइन सिस्टम प्रदान करता है। लाइब्रेरी में प्रासंगिक वेक्टर एम्बेडिंग उत्पन्न करने के लिए एक ट्रांसफॉर्मर टेक्स्ट प्रोसेसर और बड़े भाषा मॉडल के प्रबंधन के लिए एक समर्पित अनुमान इंजन शामिल है। यह प्रोजेक्ट एक एकीकृत विज़न-भाषा आर्किटेक्चर के भीतर टेक्स्ट, ऑडियो और छवियों सहित विषम डेटा प्रकारों को प्रोसेस करने की अपनी क्षमता के माध्यम से खुद को अलग करता है। यह उन्नत जेनरेटिव AI क्षमताओं का समर्थन करता है जैसे कि प्रॉम्प्ट इंजीनियरिंग, प्रतिबंधित JSON आउटपुट के साथ संरचित एंटिटी निष्कर्षण, और नेटवर्क विलंबता को समाप्त करने के लिए स्थानीय अनुमान। इसके अतिरिक्त, यह टेक्स्ट और इमेज दोनों तौर-तरीकों में क्रॉस-भाषा अनुवाद और ज़ीरो-शॉट वर्गीकरण के लिए टूल प्रदान करता है। फ्रेमवर्क एंटिटी पहचान और भावना विश्लेषण के लिए पर्यवेक्षित मॉडल प्रशिक्षण, साथ ही निष्कर्षण प्रश्न उत्तर और दस्तावेज़ सारांश सहित क्षमताओं की एक विस्तृत श्रृंखला को कवर करता है। यह समानता खोज के लिए वेक्टर डेटाबेस समर्थन को एकीकृत करता है और GPU त्वरण और केंद्रीकृत रजिस्ट्री के माध्यम से मॉडल लाइफसाइकिल प्रबंधन के लिए बुनियादी ढांचा प्रदान करता है। टूलकिट एक सार्वजनिक रिपॉजिटरी के माध्यम से कस्टम मॉडल और पाइपलाइनों के वितरण की अनुमति देता है और REST API के माध्यम से मॉडल की तैनाती का समर्थन करता है।
Provides models capable of categorizing text into classes not encountered during training using semantic descriptions.
Scala - nixtla/nixtla
Nixtla/nixtla
3,932GitHub पर देखेंNixtla एक टाइम सीरीज एनालिसिस प्लेटफॉर्म है जो ट्रांसफार्मर-आधारित फाउंडेशन मॉडल पर केंद्रित है। यह फोरकास्टिंग और विसंगति का पता लगाने (anomaly detection) के लिए ज़ीरो-शॉट इन्फरेंस प्रदान करता है, जिससे सिस्टम को मॉडल रिट्रेनिंग की आवश्यकता के बिना नई टाइम सीरीज के लिए भविष्य के मूल्यों की भविष्यवाणी करने की अनुमति मिलती है। यह प्रोजेक्ट बड़े पैमाने पर विश्लेषण के लिए डिज़ाइन किया गया है, जो लाखों डेटा सीरीज को प्रोसेस करने के लिए डिस्ट्रीब्यूटेड इन्फरेंस स्केलिंग और फोरकास्ट पैरेललाइजेशन का उपयोग करता है। यह डोमेन-विशिष्ट डेटासेट्स के लिए प्रीट्रेन्ड वेट्स को समायोजित करने के लिए फाइन-ट्यूनिंग एडेप्टेशन का समर्थन करता है और स्थानीय निष्पादन व प्राइवेट कंटेनर्स से लेकर Snowflake के भीतर स्टोर्ड प्रोसीजर्स के रूप में एकीकरण तक के डिप्लॉयमेंट विकल्प प्रदान करता है। क्षमताओं में लंबी-अवधि और रुक-रुक कर मांग का पूर्वानुमान, वॉट-इफ परिदृश्य विश्लेषण, और भविष्यवाणी अनिश्चितता परिमाणीकरण शामिल हैं। यह सिस्टम एक्सोजेनस वेरिएबल्स और तिथि-आधारित संकेतकों के साथ टाइम सीरीज डेटा को ऑडिट करने, साफ करने और समृद्ध करने के लिए एक पूर्ण डेटा इंजीनियरिंग पाइपलाइन भी प्रदान करता है। मॉडल विश्वसनीयता को क्रॉस-वैलिडेशन बैकटेस्टिंग, फोरकास्ट एक्यूरेसी वैलिडेशन, और हाइपरपैरामीटर लॉगिंग के लिए एक्सपेरिमेंट ट्रैकिंग के माध्यम से प्रबंधित किया जाता है।
Predicts future values for new time series without requiring retraining by leveraging a pretrained foundation model.
Jupyter Notebookagentagentic-aianomaly-detection - google-research/big_vision
google-research/big_vision
3,363GitHub पर देखेंThis project is a research framework and toolkit designed for training large-scale vision transformers and multimodal language models. It provides a comprehensive suite for vision-language pretraining, enabling the development of models that map images and text into shared latent spaces. The framework is distinguished by its capabilities in high-fidelity image generation and multimodal research, utilizing normalizing flows and variational autoencoders to produce images from text prompts or class labels. It supports the development of both generative and contrastive models, allowing for a wide
Categorizes images into classes without specific label training by computing embeddings from pretrained models.
Jupyter Notebook - protectai/llm-guard
protectai/llm-guard
2,561GitHub पर देखेंLLM Guard is a security firewall and guardrail framework designed to scan and sanitize inputs and outputs for large language models. It functions as a proxy gateway and security layer to block prompt injections, toxicity, and sensitive data leakage while ensuring that model interactions remain compliant with organizational policies. The system distinguishes itself through a modular scanner pipeline that utilizes local model orchestration to eliminate external network dependencies. It supports real-time security filtering via streaming chunk analysis and implements a fail-fast execution model
Uses pre-trained zero-shot classification models to categorize text into sensitive topics without task-specific training.
Pythonadversarial-machine-learningchatgptlarge-language-models
