Biblioteca de Python para ejecutar, entrenar y evaluar modelos de IA del hub de modelos ModelScope mediante una interfaz unificada de pipeline y Trainer.
9,2 mil+9 esta semana975PythonApache-2.0Bien mantenidoActualizado hace 5 días
tracel-ai/models
Colección de modelos de deep learning y ejemplos con el framework Burn para Rust, con aportes oficiales y de la comunidad.
- Estrellas
- 390
- Forks
- 71
- Issues abiertos
- 18
- Último commit
- hace 12 días
¿Qué es?
Este repositorio reúne modelos de deep learning y código de ejemplo implementados con Burn, un framework de deep learning escrito en Rust. Incluye modelos de clasificación de imágenes como ResNet, SqueezeNet y MobileNetV2, detección de objetos con YOLOX y modelos de lenguaje y de embeddings como ALBERT, MiniLM y RoBERTa.
Además de los modelos oficiales, la página enumera proyectos de la comunidad alojados en repositorios independientes, incluidos ports de reconocimiento de voz como Whisper, Llama 2, Stable Diffusion, RWKV, SSD y Wav2Vec 2.0. Cada modelo oficial está en su propio subdirectorio e incluye sus propias notas de uso.
Los modelos se distribuyen bajo los términos de MIT y Apache-2.0, mientras que los proyectos de la comunidad pueden tener sus propias licencias.
Funciones clave
- 01Implementaciones oficiales de modelos de clasificación de imágenes, como ResNet, SqueezeNet y MobileNetV2.
- 02Detección de objetos con YOLOX y modelos de lenguaje como ALBERT, MiniLM y RoBERTa.
- 03Ports comunitarios de Whisper, Llama 2, Stable Diffusion, RWKV y otros modelos.
- 04Cada modelo oficial está en su propio directorio para poder usarlo de forma independiente.
- 05Desarrollado sobre el framework de deep learning Burn, basado en Rust.
Casos de uso
- Aprender a definir y ejecutar modelos habituales de visión artificial o NLP en Rust con Burn.
- Ejecutar tareas de clasificación de imágenes o detección de objetos en una aplicación Rust sin Python.
- Encontrar ports para Rust de modelos de reconocimiento de voz o de lenguaje creados con Burn.
Antes de usarlo
- Los modelos de la comunidad enlazados aquí pueden estar sujetos a licencias distintas de las condiciones MIT/Apache-2.0 del repositorio.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es models?
- Colección de modelos de deep learning y ejemplos con el framework Burn para Rust, con aportes oficiales y de la comunidad. Este repositorio reúne modelos de deep learning y código de ejemplo implementados con Burn, un framework de deep learning escrito en Rust. Incluye modelos de clasificación de imágenes como ResNet, SqueezeNet y MobileNetV2, detección de objetos con YOLOX y modelos de lenguaje y de embeddings como ALBERT, MiniLM y RoBERTa.
- ¿models es gratuito? ¿Qué licencia tiene?
- models es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿models sigue mantenido?
- Mantenimiento activo. El último commit de models fue el 26 oct 2026.
- ¿Para qué puedo usar models?
- Aprender a definir y ejecutar modelos habituales de visión artificial o NLP en Rust con Burn. Ejecutar tareas de clasificación de imágenes o detección de objetos en una aplicación Rust sin Python. Encontrar ports para Rust de modelos de reconocimiento de voz o de lenguaje creados con Burn.
- ¿Dónde consigo models?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/tracel-ai/models
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Biblioteca de modelos preentrenados para Keras 3, con modelos de texto, imagen y audio compatibles con JAX, TensorFlow y PyTorch.
997+1 esta semana377PythonApache-2.0Bien mantenidoActualizado ayer
Un plan de estudios de IA para principiantes de Microsoft, de 12 semanas y 24 lecciones, que abarca IA simbólica, redes neuronales, visión por computadora, NLP y ética, con notebooks en PyTorch y TensorFlow.
Recursos de aprendizaje#artificial-intelligence#machine-learning#deep-learning#neural-networks#computer-vision
70,6 mil+218 esta semana13,7 milJupyter NotebookMITActualizado hace 3 días
Colección de notebooks de Jupyter de ejemplo que muestran cómo crear, entrenar y desplegar modelos de machine learning en Amazon SageMaker.
11 mil+4 esta semana6,9 milJupyter NotebookApache-2.0Actualizado hace 24 días
Una biblioteca de Python para aumentar datos de audio, imagen, texto y video con más de 100 transformaciones, incluidas ediciones al estilo de las redes sociales para probar la robustez.
5,1 mil+2 esta semana310PythonOtherActualizado hace 19 días
Framework para definir modelos de aprendizaje automático de última generación de texto, visión, audio y modalidades múltiples, para inferencia y entrenamiento.
168,6 mil+233 esta semana35,1 milPythonApache-2.0Actualizado hace 7 horas