Project Icon

Flowformer

Flowformer 利用保护流网络实现 Transformer 线性化和长序列处理

Flowformer 是一种 Transformer 模型,通过引入保护流网络理论,实现了线性复杂度的注意力机制。它能够处理超过4000多个标记的长序列,在视觉、自然语言处理、时间序列和强化学习等领域表现优异。在长序列建模任务中,Flowformer 的平均准确率达到56.48%,超过了 Performer 和 Reformer 等现有方法。该项目不依赖特定归纳偏置,提供了核心代码实现和多个领域的应用示例,为研究人员和开发者提供了一个通用的基础模型。

awesome-flow-matching - 流匹配与随机插值技术推动生成模型创新
Flow MatchingGithub开源项目插值概率流生成模型随机插值
awesome-flow-matching项目收集了流匹配和随机插值领域的前沿研究成果,涵盖理论基础和实际应用。项目包含Flow Matching、Stochastic Interpolants等创新技术,为研究人员和开发者提供全面资源,有助于深入理解先进生成模型方法,推动人工智能领域技术进步。
AI-Flow - 开源平台实现多AI模型无缝连接和集成
AI-FlowAI工具API集成人工智能模型无代码开发自定义AI工具
AI-Flow是一个开源平台,专注于简化多个AI模型的连接和集成。通过直观的拖放界面,用户可以快速创建自定义AI工具,无需编码。平台支持GPT-4、Claude和Stable Diffusion等多种AI模型,可在应用内运行工作流或集成到其他项目中。AI-Flow还提供API构建功能,实现AI工作流的自动化和灵活集成,为用户提供创新的AI解决方案。
MixFormerV2 - 高效全Transformer跟踪模型 实现CPU实时运行
GithubMixFormerV2Transformer开源项目模型蒸馏目标跟踪神经网络
MixFormerV2是一个统一的全Transformer跟踪模型,无需密集卷积操作和复杂评分预测模块。该模型提出四个关键预测token,有效捕捉目标模板与搜索区域的相关性。项目还引入新型蒸馏模型压缩方法,包括密集到稀疏和深层到浅层两个阶段。MixFormerV2在LaSOT和TNL2k等多个基准测试中表现优异,分别达到70.6%和57.4%的AUC,同时在GPU上保持165fps的推理速度。值得注意的是,MixFormerV2-S是首个在CPU上实现实时运行的基于Transformer的单流跟踪器。
ETSformer-pytorch - 基于PyTorch的先进时间序列Transformer模型
ETSformerGithubPytorchTransformer开源项目指数平滑时间序列预测
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。
mit-b2 - 高效语义分割的简单Transformer设计
GithubHuggingfaceSegFormerTransformer图像分类开源项目机器学习模型语义分割
SegFormer b2是一个在ImageNet-1k上预训练的编码器模型,采用分层Transformer结构。该模型专为语义分割任务设计,结合了简单高效的架构和出色的性能。虽然此版本仅包含预训练的编码器部分,但它为图像分类和语义分割的微调提供了坚实基础。SegFormer的创新设计使其在多个计算机视觉任务中展现出强大潜力。
recurrent-memory-transformer-pytorch - Recurrent Memory Transformer的PyTorch实现助力超长序列处理
GithubPyTorchRecurrent Memory Transformer人工智能开源项目深度学习自然语言处理
Recurrent Memory Transformer的PyTorch实现项目致力于解决超长序列处理问题。该模型通过创新的记忆机制和高效注意力机制,可处理长达百万token的序列。项目提供简便的安装使用方法,支持XL记忆和记忆回放反向传播等先进功能。这一实现在长序列处理、因果推理和强化学习等领域展现出优异性能,为AI研究和应用开发提供了实用工具。
pflowtts_pytorch - 高效零样本语音合成模型
GithubP-Flow开源项目流匹配生成解码器语音合成语音提示零样本TTS
pflowtts_pytorch是P-Flow论文的一个非官方实现,提供了基于语音提示的零样本文本转语音功能。该模型采用语音提示文本编码器和流匹配生成解码器,仅需少量训练数据即可实现与大规模模型相当的说话人相似度,同时具有显著更快的采样速度。在发音准确性和语音自然度方面表现出色,为高效率和高质量的语音合成提供了新的解决方案。
FlowMeter - 实验性网络流量分类与分析工具
FlowMeterGithub安全分析开源项目机器学习流量分类网络包分析
FlowMeter是一款实验性网络流量分析工具,通过检查数据包头部来分类和分析网络流量。它可将数据包和流量标记为良性或恶意,具有高准确率和低误报率。该工具还能将数据包归类为流,并提供详细的流量统计信息。FlowMeter主要面向需要在网络数据包上开发和应用机器学习模型的用户,同时作为Deepfence ThreatMapper的预过滤组件。
conditional-flow-matching - 连续正规化流模型的高效训练库
Flow MatchingGithubPyTorchTorchCFM开源项目生成模型连续正规化流
TorchCFM是一个专注于条件流匹配(CFM)方法的开源库,用于高效训练连续正规化流(CNF)模型。该库提供了多种CFM变体的实现,包括OT-CFM和[SF]2M,可用于图像生成、单细胞动力学和表格数据等任务。TorchCFM旨在帮助研究人员更便捷地使用和扩展这些先进的生成模型技术,缩小CNF与扩散模型之间的性能差距。
LMFlow - 开源大型机器学习模型微调工具箱
GithubLMFlowfinetuning优化开源项目性能模型
LMFlow为大型机器学习模型微调提供一个可扩展、便捷且高效的开源工具箱,支持多种优化功能,如自定义优化器训练、LISA算法等,已广泛应用于机器学习领域。
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