Logo
Project Icon

Tokenizer

跨平台BPE编码实现

TokenizerOpenAITypescriptC#TokenizationGithub开源项目

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。

访问官网访问官网GithubGithub文档文档
介绍相关项目
CTranslate2 - 高效的Transformer模型推理库，提供多种性能优化方案
CTranslate2Github并行执行开源项目性能优化模型压缩转换器模型
CTranslate2是一个用于Transformer模型高效推理的C++和Python库，通过权重量化、层融合、批次重排序等技术，显著提升CPU和GPU上的执行速度并减少内存占用。支持多种模型类型，包括编码器-解码器、仅解码器和仅编码器模型，兼容OpenNMT-py、OpenNMT-tf、Fairseq等框架。其主要特点包括自动CPU检测、代码分发、并行和异步执行以及动态内存使用。
vibrato - Viterbi算法驱动的高效分词器
GithubMeCabRustVibratotokenization开源项目形态素分析
Vibrato是利用Viterbi算法的高效分词器，用Rust重写并优化了MeCab分词器，显著提高分词性能。它支持与MeCab兼容的输出，并允许从自己的数据训练分词参数。Vibrato擅长处理大规模矩阵数据，加快分词速度。项目提供了Python接口和WebAssembly演示，兼顾多种应用场景。详见项目文档，可通过Slack社区进行讨论。支持Apache 2.0和MIT双许可。
deepseek-coder-33b-instruct - 多语言支持的AI编程模型
DeepSeek CoderGithubHuggingface人工智能代码模型开源项目模型深度学习自然语言处理
DeepSeek Coder是一款基于33B参数的AI代码模型，在2T tokens的代码和语言数据上训练而成。该模型支持多种编程语言，提供卓越的代码补全和填充功能。在多个基准测试中表现出色，能够进行项目级代码补全。DeepSeek Coder支持商业使用，开发者可通过简洁的Python接口调用模型，生成高质量代码。
bert-base-chinese-ws - BERT基础中文分词模型提升自然语言处理效率
BERTCKIPGithubHuggingfacetransformer模型开源项目模型繁体中文自然语言处理
CKIP实验室开发的BERT基础中文分词模型提供高效的中文文本处理功能，包括分词、词性标注和命名实体识别。该模型支持繁体中文，适用于多种自然语言处理任务。为获得最佳性能，推荐使用BertTokenizerFast作为分词器。该开源项目的详细信息和使用指南可在GitHub上查阅。
CEPE - 并行编码框架助力语言模型处理长文本
CEPEGithubLLaMA上下文扩展并行编码开源项目长文本语言建模
CEPE是一个扩展语言模型上下文窗口的开源框架,采用并行编码方法处理长文本输入。该项目提供数据预处理、模型训练和基线评估的完整代码,并发布了可通过Hugging Face使用的预训练模型。CEPE在语言建模和开放域问答等任务中表现优异,为处理长文本提供了高效解决方案。
deepseek-coder-1.3b-instruct - DeepSeek Coder 多语言支持的开源代码生成与补全模型
DeepSeek CoderGithubHuggingface代码语言模型商业使用多语言编程开源项目模型项目级代码补全
DeepSeek Coder 1.3B是一款基于2T tokens数据训练的开源代码语言模型，包含87%代码和13%中英文自然语言。该模型支持多种编程语言，提供项目级代码补全和填充功能，并在HumanEval等基准测试中展现出色性能。采用16K窗口大小，模型适用于各类开发场景，并支持商业用途。开发者可通过简单的API快速集成和使用这一强大的代码生成工具。
pixel - 像素编码语言模型，无需固定词汇表实现多语言处理
BERTGithubPIXELVision Transformer图像编码开源项目语言模型
PIXEL是一个将文本渲染为图像进行语言处理的模型，消除了固定词汇表的需求。在同样的数据上，PIXEL在非拉丁脚本的语法和语义处理上优于BERT。PIXEL由文本渲染器、编码器和解码器组成，采用ViT-MAE技术实现图像级语言模型。用户可以通过Gradio演示体验PIXEL，并查看预训练和微调指南。未来将提供渲染指南、优化模型及HuggingFace transformers的集成。
gpt4free-ts - 免费开源GPT-4 TypeScript API接口，支持多模型，提供社区支持和持续更新
API密钥GPT4FreeGithubOpenAITypeScript版本免费API开源项目
gpt4free-ts提供免费的OpenAI GPT-4 API，支持多模型，易于部署。使用TypeScript开发，确保安全和维护效率。加入社区以获取实时更新和技术支持，享受简化的.env文件设置和免费API密钥。
machinelearning - 跨平台开源框架，简化.NET应用中的模型开发与部署
GithubML.NET开源框架开源项目机器学习模型训练自定义模型
ML.NET是一个跨平台的开源机器学习框架，使开发者无需机器学习经验即可在.NET应用中构建、训练和部署定制模型。它支持从文件和数据库加载数据，并进行数据转换，具备多种机器学习算法。ML.NET适用于分类、预测和异常检测等多种场景，并兼容TensorFlow和ONNX模型，扩展性强。支持Windows、Linux和macOS操作系统，以及ARM64和Apple M1处理器架构。
OpenAI-API-dotnet - 官方C# OpenAI库最新动态
APIC#GithubMicrosoftOpenAI库开源项目
了解官方C# OpenAI库的全新开发和升级，该库支持GPT-3.5/4及DALL-E 2/3等API。此官方版本提供简便的接入方法和持续的技术支持。更多更新详情，请查看官方博客。
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