ETSformer-pytorch

基于PyTorch的先进时间序列Transformer模型

ETSformer 时间序列预测 Pytorch Transformer 指数平滑 Github 开源项目

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。

Github

介绍相关项目

tsfresh - 时间序列特征自动提取和分析的Python开源工具

GithubPythontsfresh开源项目时间序列机器学习特征提取

tsfresh是一个开源Python库，专注于时间序列数据的自动特征提取。它集成了统计学、时间序列分析、信号处理和非线性动力学的算法，并提供了特征选择机制。该工具可处理多种采样数据和事件序列，提供100多种预定义特征，并通过内置过滤程序评估特征重要性。tsfresh支持回归和分类任务，兼容sklearn、pandas和numpy，可在本地或集群环境运行，为时间序列分析提供了高效解决方案。

tsfeatures - 时间序列特征提取的Python工具库

GithubPythontsfeatures开源项目数据分析时间序列特征提取

tsfeatures是一个Python库，用于计算时间序列数据的多种特征。作为R语言tsfeatures包的Python实现，它提供了自相关、异方差、熵、平稳性等统计指标的计算功能。该库支持自定义特征函数和处理不同频率的时间序列数据，并允许与R版本结果进行对比。tsfeatures适用于需要进行时间序列分析和建模的数据处理场景。

neuralforecast - 先进的神经网络时间序列预测模型库

GithubNeuralForecast开源项目时间序列机器学习深度学习预测模型

NeuralForecast 提供 30 多种先进的神经网络模型，提升时间序列预测的准确性和效率。支持外生变量和静态协变量，并具备自动超参数优化和可解释性方法。通过 sklearn 语法 `.fit` 和 `.predict` 实现快速训练和预测，包含 NBEATSx 和 NHITS 等最新实现，并与 Ray 和 Optuna 集成，适用于多种应用场景。

ctransformers - Python接口的高效C/C++ Transformer模型

CTransformersGGMLGithubLangChainPythonTransformer模型开源项目

CTransformers提供Python接口，通过GGML库高效加载和运行C/C++实现的Transformer模型。支持多种模型类型，如GPT-2、GPT-J、LLaMA等，并可与Hugging Face和LangChain集成。提供CUDA、ROCm和Metal兼容的GPU加速选项，适合高性能自然语言处理任务。

repeat - 开源自然语言处理库

GithubHuggingfacetransformers人工智能开源项目机器学习模型深度学习自然语言处理

Transformers是一个开源的自然语言处理库，提供了多种预训练模型和工具。该库支持文本分类、命名实体识别和机器翻译等任务，具有良好的文档支持和定期更新特性。研究人员和开发者可以使用Transformers构建和部署NLP应用。

pytorch-frame - 模块化深度学习框架用于异构表格数据

GithubPyTorch Frame开源项目模块化框架深度学习神经网络表格数据

PyTorch Frame是一个为异构表格数据设计的深度学习框架，支持数值、分类、时间、文本和图像等多种列类型。它采用模块化架构，实现了先进的深度表格模型，并可与大型语言模型集成。该框架提供了便捷的mini-batch加载器、基准数据集和自定义数据接口，简化了表格数据的深度学习研究过程，适用于各层次研究人员。框架内置多个预实现的深度表格模型，如Trompt、FTTransformer和TabNet等，并提供与XGBoost等GBDT模型的性能对比基准。PyTorch Frame无缝集成于PyTorch生态系统，便于与其他PyTorch库协同使用，为端到端的深度学习研究提供了便利。

modeltime - R语言时间序列预测框架整合机器学习与传统方法

GithubR语言modeltime工作流开源项目时间序列预测机器学习

modeltime是R语言的时间序列预测框架，简化了预测工作流程，整合机器学习和传统分析方法。支持ARIMA、ETS、Prophet等模型，可与tidymodels生态系统集成。通过6步流程，用户可快速构建、评估和部署预测模型，适用于高性能时间序列分析。框架还包括modeltime.h2o用于AutoML、modeltime.gluonts用于深度学习，以及modeltime.ensemble用于集成预测。这些组件共同构成了一个全面的时间序列分析生态系统，为不同规模和复杂度的预测任务提供解决方案。

InfiniTransformer - 非官方的PyTorch和Transformers实现

Gemma modelGithubInfiniTransformerLlama3PyTorch开源项目🤗Transformers

InfiniTransformer是一个非官方的PyTorch和Transformers实现，支持Llama3和Gemma模型。包含两种Infini注意力实现类型：全模型替换和仅替换注意力层。详细介绍了从克隆仓库、安装依赖到训练和推理的步骤，便于用户快速上手和扩展。

perceiver-pytorch - Perceiver模型的PyTorch实现迭代注意力处理多模态数据

GithubPerceiver开源项目注意力机制深度学习神经网络计算机视觉

perceiver-pytorch项目实现了Perceiver和PerceiverIO模型。这些模型采用迭代注意力机制，能够处理图像、视频和文本等多种输入数据。项目提供灵活的配置选项，包括输入通道数、频率编码和注意力头数等。通过语言模型示例，展示了PerceiverIO架构的通用性。该实现适合处理复杂多模态输入的深度学习研究和应用。项目提供了简单易用的API，支持快速集成到现有PyTorch项目中。代码实现了原论文中的核心概念，如交叉注意力和自注意力机制。此外，项目还包含了实验性的自下而上注意力版本，为研究人员提供了更多探索空间。

vit-pytorch - 通过PyTorch实现多种视觉Transformer变体

GithubPytorchVision Transformer卷积神经网络图像分类开源项目深度学习

本项目展示了如何在PyTorch中实现和使用视觉Transformer（ViT）模型，包括Simple ViT、NaViT、Distillation、Deep ViT等多种变体。利用基于Transformer架构的简单编码器，本项目在视觉分类任务中达到了先进水平。用户可以通过pip进行安装，并参考提供的代码示例进行模型加载和预测。项目还支持高级功能如知识蒸馏、变分图像尺寸训练和深度模型优化，适用于多种视觉任务场景。

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