Project Icon

Tokenizer

跨平台BPE编码实现

该项目提供了TypeScript和C#版的字节对编码(BPE)tokenizer,主要用于OpenAI LLMs,并基于开源的Rust实现。适用于Node.js和.NET环境,在传递提示词给LLM前进行tokenization处理。建议C#用户从Microsoft.DeepDev.TokenizerLib迁移至性能更优的Microsoft.ML.Tokenizers。欢迎开发者贡献代码和意见。

GPT2-Chinese - GPT2-Chinese:支持多种中文Token化和大规模语料训练
BERT分词器GPT2-ChineseGithubHuggingface中文语言模型开源项目预训练模型
GPT2-Chinese项目提供了适用于中文的GPT2训练代码,支持BERT和BPE Tokenizer,能够生成诗词、新闻、小说等内容,适用于大规模语料训练。该项目基于Pytorch实现,支持最新的预训练模型,如通用中文模型和古诗词模型。详细的模型信息可以在Huggingface Model Hub中找到。用户可以自行训练和生成文本,同时支持FP16和梯度累积。
sentencepiece - 无监督神经网络文本分词与去分词工具
GithubSentencePiece分词子词单元开源项目机器翻译自然语言处理
SentencePiece是一种用于神经网络文本生成系统的无监督分词工具。它支持多种子词算法,如BPE和unigram语言模型,可直接从原始文本训练。这个工具具有语言无关性,实现了子词正则化,运行速度快,占用资源少。SentencePiece能直接生成词汇ID序列,执行NFKC标准化,是一个完全端到端的系统,无需依赖特定语言的预处理或后处理。
jtokkit - 专为OpenAI模型设计的Java分词库,提供便捷的API,支持多种编码和解码算法
GithubJTokkitJavaOpenAItokenizer开源项目自然语言处理
JTokkit是一个专为OpenAI模型设计的Java分词库,提供便捷的API,支持多种编码和解码算法如r50k_base和cl100k_base。该库无依赖,兼容Java 8及以上版本,并具备高效性能。用户可以通过Maven或Gradle轻松安装,并支持自定义编码算法。使用JTokkit,开发者能够轻松进行自然语言处理任务中的文本分词和令牌计算。
tokencost - 实时追踪智能语言模型成本的精确工具
API成本计算GithubTokenCost代币计数大型语言模型开源项目集成
TokenCost为大型语言模型(LLM)API的使用成本提供精确计算,支持指令和完成计算的费用评估。此工具提供基本的成本计算并能实时监控主要LLM供应商的价格和模型更新,助力开发者和数据科学家轻松集成最新数据并进行成本管理。
All in one LLM Token Counter - 多模型支持的在线语言模型令牌计数工具
AI工具AnthropicLLMMistralOpenAIToken Counter
此工具支持GPT-4、Claude-3、Llama-3等主流语言模型的令牌计数。采用浏览器端分词技术,快速计算提示词令牌数,助力有效管理token限制。客户端运行确保数据安全,提供常见问题解答,并持续更新支持模型。适用于需要精确控制输入长度的AI开发和应用场景。
zett - 突破语言模型与分词器的兼容性限制
GithubZero-Shot Tokenizer Transfer分词器开源项目模型迁移语言模型超网络
ZeTT是一个创新的开源项目,旨在解决语言模型与分词器之间的兼容性问题。该项目通过零样本分词器迁移技术,使任何语言模型能够与任意分词器协同工作,几乎不需要额外训练。ZeTT提供多个预训练超网络,支持26种语言和代码处理。用户可以轻松将现有模型适配新的分词器,提升模型的通用性。此外,ZeTT还支持训练自定义超网络和迁移微调模型等高级功能,为自然语言处理研究提供新的可能性。
OmniTokenizer - 联合图像视频标记器实现高效视觉生成
GithubOmniTokenizerVQVAE图像视频联合标记器开源项目视觉生成语言模型
OmniTokenizer是一个图像和视频联合标记器,采用单一模型和权重,提供最先进的重建性能。它具有高分辨率和长视频适应性,可与语言模型和扩散模型结合实现视觉生成。项目提供预训练模型、训练脚本和评估工具,支持VQVAE和VAE版本,为视觉生成研究提供基础设施。
ByteTransformer - 为BERT类Transformer优化的高性能推理库
BERTByteTransformerGithubNVIDIA GPUTransformer开源项目高性能
ByteTransformer是一个为BERT类Transformer优化的高性能推理库,支持Python和C++ API,兼容固定长度和可变长度Transformer。通过对BERT例程中的QKV编码、软最大值、前馈网络、激活、层归一化和多头注意力机制进行优化,ByteTransformer为字节跳动的内部推理系统提升了性能。基准测试结果显示,相较于PyTorch、TensorFlow、FasterTransformer和DeepSpeed,ByteTransformer在A100 GPU上的推理速度更快。
openai-translator - 多平台多功能翻译工具
API集成GithubOpenAI Translator多平台多语言支持开源项目翻译工具
OpenAI Translator不仅是一个浏览器扩展,它还是可在Windows、macOS及Linux上运行的桌面应用,支持翻译、文本润色和摘要工作。集成高效的文本处理技术,该工具支持55种语言互译,提供TTS和屏幕翻译服务,满足多样化的使用场景。
tokenizer_titok_s128_imagenet - 基于PytorchModelHubMixin的开源图像标记化模型
GithubHugging FaceHuggingfacePytorchModelHubMixin图像标记化开源项目机器学习模型模型深度学习
tokenizer_titok_s128_imagenet是一个开源的图像标记化模型,基于Apache-2.0许可。该项目利用PytorchModelHubMixin技术与Hugging Face模型库集成,专注于图像tokenization。它支持PyTorch模型hub功能,为图像处理研究和开发提供了实用工具。项目源码托管于GitHub的1d-tokenizer仓库。
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