single-cell-transformer-papers

Transformer模型在单细胞组学分析中的应用概览

Transformers 单细胞组学预训练模型基因表达细胞注释 Github 开源项目

本项目汇总了单细胞组学数据分析中的Transformer模型,包括论文、代码、数据模态等关键信息。通过全面概述单细胞Transformer模型,展示了该领域的最新进展和发展趋势。项目内容持续更新,为研究人员提供了宝贵的参考资源。项目内容涵盖了各Transformer模型的核心要素,如数据模态、预训练数据集、模型架构和任务类型等。这种系统性的整理使研究人员能够快速了解和比较不同模型的特点,为单细胞组学研究提供了有力支持。

Github

Huggingface

介绍相关项目

transformer-explainer - 帮助理解Transformer模型与GPT-2预测的实时交互式工具

GPT-2Georgia Institute of TechnologyGithubMIT许可Transformer Explainer交互式可视化工具开源项目

Transformer Explainer 是一款互动可视化工具，帮助理解基于Transformer的模型如GPT的工作原理。该工具在浏览器中运行实时的GPT-2模型，允许实验自己的文本并实时观察Transformer内部组件的协同预测过程。适合技术人员与学习者深入探索Transformer模型机制与应用。

SparseTransformer - PyTorch库实现可变长度稀疏Transformer用于3D点云处理

3D识别GithubPyTorchSpTr开源项目点云处理稀疏变压器

SparseTransformer (SpTr)是一个PyTorch库，专门用于实现可变长度稀疏Transformer，主要应用于3D点云数据处理。该库具有快速、内存高效和易用的特点，支持窗口Transformer等技术。SpTr已在多个计算机视觉研究中应用，包括LiDAR的球形Transformer和3D点云分割的分层Transformer。它能够轻松集成到基于Transformer的3D点云网络中，仅需少量修改即可使用。

transformer-debugger - 深入洞察小型语言模型行为的自动化调试工具

GithubTransformer Debugger开源项目神经元查看器稀疏自编码器自动可解释性语言模型

Transformer Debugger是一款由OpenAI超级对齐团队开发的工具，专门用于分析小型语言模型的特定行为。该工具结合了自动化解释技术和稀疏自编码器，无需编写代码即可快速探索模型行为。它能识别影响特定行为的关键组件，自动生成解释，并追踪组件间的连接，从而揭示神经元回路。通过支持对前向传播的干预和观察，Transformer Debugger为研究人员提供了深入分析语言模型内部机制的强大功能。

papers-for-molecular-design-using-DL - 生成式AI和深度学习在分子设计与优化中的应用

Deep LearningGenerative AIGithubmolecular设计分子构象生成开源项目药物设计

此页面汇总了生成式AI和深度学习在分子设计和分子构象生成中的研究及资料。涵盖分子优化、数据集和基准、药物相似性和评估指标，以及基于结构、片段等生成模型的评论。这些资源对药物设计、材料发现和生命科学研究人员非常有用，并提供最新的学术和应用进展，持续更新。

awesome-huggingface - 综合NLP开源项目与Hugging Face集成工具

GithubHugging FaceNLP工具包transformers开源项目机器学习自然语言处理

该项目列出了多个优秀的开源项目和应用，均与Hugging Face库集成，为各类NLP任务提供有效的解决方案。内容涵盖官方库教程、NLP工具包、文本表示、推理引擎、模型扩展、模型压缩、对抗攻击、风格转换、情感分析、语法纠正、翻译、知识与实体、语音处理、多模态学习、强化学习、问答系统、推荐系统、评估工具、神经搜索、云支持和硬件支持等多个领域。此项目能够帮助用户找到并使用适合的工具和库，提升自然语言处理任务的效率和效果。

Multi-Task-Transformer - 场景理解多任务变压器模型 TaskPrompter和InvPT

GithubTransformer场景理解多任务学习开源项目深度学习计算机视觉

Multi-Task-Transformer项目提供两种场景理解多任务变压器模型:TaskPrompter和InvPT。TaskPrompter利用空间-通道多任务提示进行密集场景理解,InvPT采用倒金字塔架构。这些模型在单目深度估计和3D目标检测等任务中表现出色,并在ICLR2023和ECCV2022会议上发表。项目开源代码和预训练模型,支持多种计算机视觉应用。

DECIMER-Image_Transformer - 化学结构图像识别的深度学习新方法

DECIMERGithubSMILESTransformer化学图像识别开源项目深度学习

DECIMER-Image_Transformer项目结合EfficientNet V2和Transformer模型，开发了用于化学结构图像识别的先进深度学习方法。该项目优化了数据处理流程，采用TPU加速训练，提高了SMILES预测效率。这一创新为化学文献的自动化分析和结构识别提供了新的研究方向，推动了化学信息学领域的发展。

table-transformer - 基于深度学习的表格提取与结构识别模型

GithubPubTables-1MTable Transformer开源项目深度学习目标检测表格提取

Table Transformer (TATR)是一种基于对象检测的深度学习模型,用于从PDF和图像中提取表格。该模型支持表格检测、结构识别和功能分析,并提供完整的训练和推理代码。TATR还发布了在PubTables-1M等大规模数据集上的预训练模型权重,有助于实现高精度的表格提取和分析。

transformers_tasks - 多种集成NLP任务的高效开源工具

GithubNLPhuggingface transformers信息抽取开源项目强化学习文本匹配

transformers_tasks提供了多种NLP任务的实现，基于Huggingface transformers库，用户可以便捷加载及训练模型，并根据自己数据集进行微调。包括文本匹配、信息抽取、Prompt任务等多种功能，适用于Python 3.6+和多种操作系统，满足不同NLP应用需求。

Time-Series-Forecasting-and-Deep-Learning - 时间序列预测与深度学习研究资源集锦

GithubMambaTransformer开源项目时间序列预测深度学习神经网络

本项目汇总了时间序列预测和深度学习领域的研究论文、竞赛、数据集和代码等资源。内容涵盖2017年至2024年的研究成果，包括Transformer和Mamba等模型的创新应用。同时提供实例、博客和教程，为时间序列分析与预测研究提供全面参考。

相关项目

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