enformer-official-rough

基于Transformer的神经网络架构实现精准基因表达预测

长程相互作用深度学习 Enformer 基因表达预测 Huggingface Github 开源项目模型 Transformer架构

Enformer是一个基于Transformer的神经网络架构，能从DNA序列中精确预测基因表达。该模型由Avsec等人在Nature期刊发表，并在DeepMind的GitHub仓库首次公开。本项目将官方权重移植至PyTorch，为基因组学研究提供了有力工具。研究人员可参考enformer-pytorch的使用说明，进行基因表达预测和分析。该模型在整合长程相互作用方面表现出色，大幅提高了基因表达预测的准确性。

Github

Huggingface

介绍相关项目

esm1b_t33_650M_UR50S - 以高级特征提取和预测提高蛋白质序列无监督学习的有效性

ESM-1bGithubHuggingface功能预测开源项目无监督学习模型结构预测蛋白质序列

ESM-1b是一个Transformer架构的蛋白质语言模型，通过对未标记的蛋白质序列进行自监督预训练，具备了结构与功能预测的无监督能力。该模型在远程同源检测和二级结构预测等任务上表现优良，可用于特征提取和模型微调。虽然ESM-2性能优越，但ESM-1b仍是研究蛋白质特征的重要工具。

x-transformers - 轻量级Transformer模型，支持完整的编解码器配置和最新研究成果，适合各种从图像分类到语言模型的应用

Githubtransformerx-transformers开源项目模型训练编码器编解码器

x-transformers提供了多功能的Transformer模型，支持完整的编解码器配置和最新研究成果，适合各种应用，从图像分类到语言模型。其先进技术如闪存注意力和持久内存，有助于提高模型的效率和性能。此项目是研究人员和开发者的理想选择，用于探索和优化机器学习任务中的Transformer技术。

xformers - Transformer 研究加速工具

GithubPyTorchTransformerxFormers开源项目注意力机制深度学习

xFormers 是一个加速 Transformer 研究的开源工具库。它提供可自定义的独立模块，无需样板代码即可使用。该项目包含前沿组件，专注于研究需求，同时注重效率。xFormers 的组件运行快速且内存利用率高，集成了自定义 CUDA 内核和其他相关库。它支持多种注意力机制、前馈网络和位置编码，适用于计算机视觉、自然语言处理等多个领域的研究工作。

h-transformer-1d - 高效序列学习的分层注意力变换器实现

GithubH-Transformer-1DTransformer序列学习开源项目神经网络长程注意力

H-Transformer-1D是一个开源项目，实现了基于分层注意力机制的Transformer模型。这种实现使序列学习达到亚二次方复杂度，在Long Range Arena基准测试中表现优异。项目支持可变序列长度、可逆性和令牌移位等功能，适用于长序列数据处理。该实现主要提供编码器（非自回归）版本，为自然语言处理和机器学习领域提供了新的研究方向。

Flowformer - Flowformer 利用保护流网络实现 Transformer 线性化和长序列处理

FlowformerGithubTransformer开源项目注意力机制流网络理论线性复杂度

Flowformer 是一种 Transformer 模型，通过引入保护流网络理论，实现了线性复杂度的注意力机制。它能够处理超过4000多个标记的长序列，在视觉、自然语言处理、时间序列和强化学习等领域表现优异。在长序列建模任务中，Flowformer 的平均准确率达到56.48%，超过了 Performer 和 Reformer 等现有方法。该项目不依赖特定归纳偏置，提供了核心代码实现和多个领域的应用示例，为研究人员和开发者提供了一个通用的基础模型。

transformers - 机器学习库，覆盖文本、视觉与音频处理

GithubHugging Face人工智能多模态开源项目机器学习自然语言处理

探索🤗 Transformers——一个功能全面的机器学习库，覆盖文本、视觉与音频处理。该库提供数千种可对接JAX、PyTorch或TensorFlow的预训练模型，适用于多种语言处理与多模态任务。主要功能包括： - 文本分类 - 信息提取 - 问答系统 - 摘要生成 - 翻译 - 文本生成此外，还能处理表格问答、OCR及视觉问答等多模态任务。Transformers库易于使用，支持模型间的快速切换与无缝整合。

simple-hierarchical-transformer - 分层Transformer模型探索多层次预测编码

GithubTransformer开源项目注意力机制深度学习神经网络自然语言处理

这个项目提出了一种在GPT模型中实现多层次预测编码的方法。它通过在Transformer中引入多层结构，结合局部注意力和全局信息传递。实验结果显示，该方法在维持性能的同时提升了效率。项目允许自定义层次结构、维度和注意力窗口大小，为研究人员提供了探索分层Transformer的实验工具。项目代码支持灵活配置，包括调整层次数量、模型维度和注意力窗口大小。这种设计使研究人员能够方便地进行不同参数的对比实验，有助于深入理解分层Transformer的性能特点。

gpn - 基于DNA语言模型的基因组变异效应预测工具

DNA语言模型GPNGithub变异效应预测基因组预训练网络开源项目机器学习

GPN是一个基于DNA语言模型的开源项目，致力于基因组范围内的变异效应预测。项目包括单序列(GPN-SS)和多序列比对(GPN-MSA)两种模型，适用于人类和植物等多个物种的分析。GPN提供Python接口，支持自定义数据训练，并包含从数据集创建到变异效应预测的完整工作流程。这一工具为基因组研究提供了新的分析方法。

ETSformer-pytorch - 基于PyTorch的先进时间序列Transformer模型

ETSformerGithubPytorchTransformer开源项目指数平滑时间序列预测

ETSformer-pytorch是一个开源的时间序列分析工具，基于PyTorch实现了先进的Transformer模型。该项目集成了多头指数平滑注意力机制和频率选择功能，适用于时间序列预测和分类任务。ETSformer-pytorch提供简单的安装和使用方法，支持灵活的模型配置，并包含专门的分类包装器。这一工具为研究人员和开发者提供了处理复杂时间序列数据的有效解决方案。

BioGPT - 预训练Transformer模型为生物医学文本提供强大工具

BioGPTGithubTransformer开源项目生物医学文本自然语言处理预训练模型

BioGPT是一个针对生物医学文本的预训练Transformer模型。该模型在关系提取、文档分类和问答等下游任务中表现优异。项目提供预训练模型和特定任务的微调模型，可通过多种渠道获取。BioGPT支持文本生成、特征提取等多种应用场景，为生物医学自然语言处理研究提供了实用工具。

项目侧边栏1

项目侧边栏2

推荐项目

Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com

@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号