Project Icon

chronos-t5-small

T5架构预训练时间序列模型 实现概率性多轨迹预测

Chronos-t5-small是一个基于T5架构的预训练时间序列预测模型,参数量为4600万。该模型将时间序列转换为token序列进行训练,可生成多个未来轨迹的概率性预测。模型训练数据包括公开数据集和高斯过程生成的合成数据。它支持GPU加速和bfloat16精度,适用于多种时间序列预测场景。与原始T5模型相比,Chronos-t5-small采用更小的词汇表(4096个token),提高了计算效率。

t5-small - T5架构的轻量级多语言文本转换模型
GithubHuggingfaceONNX格式T5模型开源项目文本摘要机器翻译模型自然语言处理
t5-small是基于T5架构的轻量级多语言文本处理模型。该模型采用编码器-解码器结构,通过多任务预训练增强了迁移学习能力。支持英语、法语、罗马尼亚语和德语等语言,适用于文本摘要和翻译等任务。模型已导出为ONNX格式,便于跨平台部署。开发者可通过Transformers库调用t5-small进行多种自然语言处理任务。
t5-small - T5-Small:小参数文本转换模型优化NLP任务
GithubHuggingfaceT5 Small大规模预训练开源项目情感分析文本转换机器翻译模型
T5-Small是Google开发的具有6000万参数的语言模型,通过统一文本转换框架处理包括机器翻译、文档摘要、问答和分类在内的多种NLP任务。采用C4语料库进行预训练,该模型支持英语、法语、罗马尼亚语和德语,并结合无监督和有监督任务,以实现高效的转移学习。T5-Small不仅可解决经典NLP问题,还适用于文本回归任务,更多信息可参考相关文献。
granite-timeseries-ttm-r2 - IBM开源轻量级模型TTM引领时间序列预测新方向
GithubHuggingfaceTinyTimeMixers多变量预测开源项目时间序列预测模型零样本学习预训练模型
IBM Research开源的TinyTimeMixers (TTM)模型仅需1M参数,就能在多变量时间序列预测中超越数十亿参数的基准。TTM支持零样本预测,也可用少量数据微调达到竞争性能。适用于分钟至小时级别的点预测,轻量快速,单GPU或笔记本即可运行。TTM为时间序列预测带来新方向,尤其适合资源受限环境。
t5-efficient-tiny - 基于深层窄结构设计的轻量级自然语言处理模型
GithubHuggingfaceT5开源项目模型模型架构深度学习自然语言处理预训练模型
T5-Efficient-TINY是一个轻量级自然语言处理模型,基于Google T5架构开发。模型通过深层窄结构优化设计,仅需1558万参数即可实现出色性能。该模型在C4数据集完成预训练后,可用于文本摘要、问答和分类等英语NLP任务,需要进行针对性微调。采用半精度存储时,模型仅占用31.16MB内存,运行效率较高。
test-ttm-v1 - 开源时间序列预测模型 高效预测基础
GithubHuggingfaceTinyTimeMixer基础模型开源项目时间序列模型预测预训练模型
Test TinyTimeMixer (TTM)是一个开源的时间序列预测基础模型。这个项目利用预训练方法,为时间序列分析提供了有力支持。TTM致力于提升时间序列预测的效率和准确性,可应用于多种时间相关的数据分析场景。作为开源项目,它遵循Apache 2.0许可证,并在Hugging Face平台上提供。TTM为研究人员和数据科学家提供了一个探索和优化时间序列预测技术的平台。
flan-t5-small - 经过多任务指令微调的小型语言模型
FLAN-T5GithubHuggingface多语言开源项目指令微调模型自然语言处理语言模型
FLAN-T5-small是一个基于T5架构的小型语言模型,通过指令微调方法在多语言多任务数据集上进行了训练。该模型在少样本学习场景下表现优异,可用于推理、问答、翻译等多种自然语言处理任务。相比同规模模型,FLAN-T5-small在性能和实用性方面都有明显提升。它为研究人员提供了一个探索语言模型能力边界的重要工具,同时也存在一些局限性需要注意。
t5-small-text-summary-generation - t5-small模型的文本摘要生成性能
GithubHuggingfaceKerast5-small-text-summary-generation开源项目框架版本模型训练超参数评估数据
该项目利用先进的机器学习技术,提供可靠的文本摘要生成能力,能够有效支持多种自然语言处理任务。项目中采用了最新的Transformers和TensorFlow框架,确保高效的数据管理和模型训练。尽管训练数据集未知,该模型依然展现出卓越的性能,成为文本处理领域的重要工具。
t5-v1_1-small - Google T5模型的改进版:通用文本处理框架
GithubHuggingfaceT5开源项目文本到文本转换模型自然语言处理迁移学习预训练模型
t5-v1_1-small作为Google T5模型的升级版,引入了GEGLU激活函数并在预训练阶段移除了dropout。模型在C4数据集上完成预训练,需要针对特定任务进行微调。其统一的文本到文本框架使其能够处理包括摘要、问答和文本分类在内的多种NLP任务,为迁移学习研究提供了新的可能性。
nanoT5 - 轻量高效的T5模型训练框架
GithubPyTorchT5模型nanoT5开源项目自然语言处理预训练
nanoT5是一个开源项目,旨在提供高效训练T5模型的方案。该项目在单GPU上仅用16小时就能达到与原始T5模型相当的性能,显著降低了训练成本。nanoT5优化了数据预处理、优化器选择等训练流程,为NLP研究人员提供了易用的研究模板。作为首个PyTorch实现的T5预训练框架,nanoT5为计算资源有限的研究者提供了宝贵工具。
mt5-small - 跨101种语言的预训练文本转换模型
GithubHuggingfacemT5多语言模型开源项目机器学习模型自然语言处理预训练模型
mt5-small是一个基于T5架构的多语言预训练模型,涵盖101种语言。该模型在mC4数据集上预训练,可应用于多种自然语言处理任务。mt5-small为多语言NLP研究提供了坚实基础,但需要针对特定任务进行微调才能发挥其全部潜力。这个开源项目为跨语言AI应用开发提供了重要工具。
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。

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