#pytorch Repositories
Entdecke 1,936 aktive Open-Source-GitHub-Repositories, die mit #pytorch getaggt sind und insgesamt 7,737,223 Sterne gesammelt haben (durchschnittlich 3,996 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist huggingface/transformers mit 169,339 Sternen.
Insgesamt 1,936 Repositories
🤗 Transformers: Der Framework zur Modell-Definition für State-of-the-Art-Machine-Learning-Modelle in Text, Vision, Audio und multimodalen Modellen, sowohl für Inferenz als auch für Training.
Die leistungsstärkste und modularste GUI, API und Backend für Diffusionsmodelle mit einer Graphen-/Knotenoberfläche. Die schnellste lokale Inferenz-Engine der Welt.
Implementieren Sie Schritt für Schritt ein ChatGPT-ähnliches LLM in PyTorch von Grund auf neu
Eine hochdurchsatzfähige und speichereffiziente Inferenz- und Serving-Engine für LLMs
🧑🏫 60+ Implementierungen/Tutorials von Deep-Learning-Papieren mit begleitenden Notizen 📝; einschließlich Transformatoren (Original, xl, switch, feedback, vit, ...), Optimierern (adam, adabelief, sophia, ...), gans (cyclegan, stylegan2, ...), 🎮 Reinforcement Learning (ppo, dqn), capsnet, Destillation, ... 🧠
Das einfachste, schnellste Repository zum Trainieren/Feintunen mittelgroßer GPTs.
Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — Objekterkennung, Instanzsegmentierung, semantische Segmentierung, Bildklassifizierung, Posenschätzung und Objektverfolgung
Klonen Sie eine Stimme in 5 Sekunden, um beliebige Sprache in Echtzeit zu generieren
Ultralytics YOLOv5 in PyTorch für Objekterkennung, Instanzsegmentierung, Klassifizierung, Training und Export.
Das Repository bietet Code zur Ausführung von Inferenz mit dem SegmentAnything Model (SAM), Links zum Herunterladen der trainierten Modell-Checkpoints und Beispiel-Notebooks, die zeigen, wie das Modell verwendet wird.
Lernen Sie, wie man produktionsreife ML-Anwendungen entwickelt, bereitstellt und iteriert.
Ray ist ein AI-Compute-Engine. Ray besteht aus einem zentralen verteilten Runtime und einem Satz von AI-Bibliotheken zur Beschleunigung von ML-Workloads.
🐸💬 - ein Deep-Learning-Toolkit für Text-to-Speech, das in Forschung und Produktion erprobt wurde
DeepSpeed ist eine Deep-Learning-Optimierungsbibliothek, die verteiltes Training und Inferenz einfach, effizient und effektiv macht.
VoxCPM2: Tokenizer-freies TTS für mehrsprachige Sprachgenerierung, kreatives Stimmendesign und lebensechte Klonierung
GFPGAN zielt auf die Entwicklung praktischer Algorithmen zur realen Gesichtsrestaurierung ab.
Die größte Sammlung von PyTorch-Bildencodern / Backbones. Einschließlich Trainings-, Eval-, Inferenz-, Export-Skripte und vortrainierte Gewichte -- ResNet, ResNeXT, EfficientNet, NFNet, Vision Transformer (ViT), MobileNetV4, MobileNet-V3 & V2, RegNet, DPN, CSPNet, Swin Transformer, MaxViT, CoAtNet, ConvNeXt und mehr
🚀Klonen Sie eine Stimme in 5 Sekunden, um beliebige Sprache in Echtzeit zu generieren
Nicht-autoregressiver System-1-Entscheidungsmotor. Führt über beliebige Texte in einem einzigen Vorwärtsdurchlauf typisierte Auswahl-, Bewertungs- und Ja/Nein-Entscheidungen in mehr als 100 Sprachen aus – mit einem Router, der für jede Anfrage den passenden Checkpoint auswählt.
TimesFM (Time Series Foundation Model) ist ein vortrainiertes Foundation-Modell für Zeitreihen, das von Google Research für die Zeitreihenprognose entwickelt wurde.
Detectron2 ist eine Plattform für Objekterkennung, Segmentierung und andere visuelle Erkennungsaufgaben.
🤗 Diffusers: State-of-the-art Diffusionsmodelle zur Erzeugung von Bildern, Videos und Audio in PyTorch.
Real-ESRGAN zielt auf die Entwicklung praktischer Algorithmen zur allgemeinen Bild-/Videowiederherstellung ab.
Facebook AI Research Sequence-to-Sequence Toolkit, geschrieben in Python.
Trainieren Sie JEDES KI-Modell JEDER Größe auf 1 oder 10.000+ GPUs mit null Codeänderungen vor und stimmen Sie es fein ab.
Sofort einsatzbereite OCR-Technologie mit über 80 unterstützten Sprachen und allen gängigen Schriftsystemen, einschließlich Lateinisch, Chinesisch, Arabisch, Devanagari, Kyrillisch und etc.
Interaktives Deep-Learning-Buch mit Code für mehrere Frameworks, Mathematik und Diskussionen. An 500 Universitäten in 70 Ländern übernommen, darunter Stanford, MIT, Harvard und Cambridge.
Deep Learning für Bildverarbeitung, einschließlich Klassifikation und Objekterkennung usw.
Open-Source-Codes für MiniGPT-4 und MiniGPT-v2 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)
Häufig gestellte Fragen
Welches ist das beliebteste #pytorch-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#pytorch-Projekt auf GitHub ist huggingface/transformers mit 169,339 Sternen. 🤗 Transformers: Der Framework zur Modell-Definition für State-of-the-Art-Machine-Learning-Modelle in Text, Vision, Audio und multimodalen Modellen, sowohl für Inferenz als auch für Training.
Welche Programmiersprachen werden in #pytorch-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #pytorch-Projekten auf GitHub sind Python, Jupyter Notebook, JavaScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #pytorch-Repositories berechnet?
Wir verfolgen 1,936 aktive Open-Source-Repositories, die mit #pytorch getaggt sind (500+ Sterne), mit insgesamt 7,737,223 Sternen und durchschnittlich 3,996 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.