#pytorch Repositories
Insgesamt 1,936 Repositories
TradeMaster ist eine Open-Source-Plattform für quantitatives Trading, die durch bestärkendes Lernen ermöglicht wird :fire: :zap: :rainbow:
Liste von Papieren, Code und Experimenten, die Deep Learning für Zeitreihenprognosen verwenden
Mars ist ein tensorbasierter einheitlicher Rahmen für die Berechnung großer Datenmengen, der numpy, pandas, scikit-learn und Python-Funktionen skaliert.
MLNLP: Dieses Repository sammelt wissenschaftliche Arbeiten mit Open-Source-Code von Konferenzen für künstliche Intelligenz (wie ACL, EMNLP, NAACL, COLING, AAAI, IJCAI, ICLR, NeurIPS, ICML usw.).
Echtzeit-End-to-End-Gesangsstimmenumwandlungssystem basierend auf DDSP (Differentiable Digital Signal Processing)
Infrastruktur für evolutionäre KI-Systeme. GPU-beschleunigte, PyTorch-basierte Optimierung mit einem Ökosystem aus Algorithmenbibliotheken, Benchmarks und Tools.
🔥 [ICCV 2025 Highlight] InfiniteYou: Flexible Foto-Neugestaltung unter Beibehaltung Ihrer Identität
HY-Motion-Modell für die Erzeugung von 3D-Menschbewegungen oder 3D-Charakteranimationen.
Ein ultraleichtes Avatar-Modell, das in Echtzeit auf mobilen Geräten ausgeführt werden kann
MusePose: ein Haltungsgesteuertes Bild-zu-Video-Framework für die Generierung virtueller Menschen
[NeurIPS 2025] OmniSVG ist die erste Familie von End-to-End multimodalen SVG-Generatoren, die vortrainierte Vision-Language Models (VLMs) nutzen und komplexe und detaillierte SVGs generieren können, von einfachen Symbolen bis hin zu aufwendigen Anime-Charakteren.
[CVPR 2022--Oral] Restormer: Effizienter Transformer für hochauflösende Bildrestaurierung. SOTA für Bewegungsunschärfe, Regenentfernung, Entrauschen (Gauß/echte Daten) und Schärfenentfernung.
GeneFace: Generalisierte und hochfidelle 3D-Gesichtssynthese; ICLR 2023; Offizieller Code
LeetCode für PyTorch — 65 ML-/KI-Interviewaufgaben aus echten Vorstellungsgesprächen bei Google, Meta und Anthropic. Jupyter-Notebooks, ein automatischer Bewerter und ein MCP-KI-Tutor.
EdgeConnect: Strukturgeführte Bildrekonstruktion mit Kantenprädiktion, ICCV 2019 https://arxiv.org/abs/1901.00212
PyTorch-Implementierung von Self-Attention Generative Adversarial Networks (SAGAN)
Dezentrales Deep Learning in PyTorch. Entwickelt, um Modelle auf Tausenden von Freiwilligen auf der ganzen Welt zu trainieren.
Basierend auf YOLOv5 Head Person Helm-Erkennung auf Baustellen, ein System zur Erkennung von Schutzhelmen und 🚀😆Verbotszonen auf Baustellen mit einem super detaillierten YOLOv5-Tutorial zum Trainieren eigener Datensätze 🚀😆Neu im März 2021: Visuelle Benutzeroberfläche ❗❗
Automatisch Mosaike in Bildern und Videos entfernen oder Mosaike hinzufügen.
Machine-Learning-Metriken für verteilte, skalierbare PyTorch-Anwendungen.
Jupyter Notebook-Tutorials zum Lösen realer Probleme mit Machine Learning & Deep Learning unter Verwendung von PyTorch. Themen: Gesichtserkennung mit Detectron 2, Anomalieerkennung in Zeitreihen mit LSTM Autoencoders, Objekterkennung mit YOLO v5, Erstellen Ihres ersten Neural Network, Zeitreihenprognose für tägliche Coronavirus-Fälle, Sentiment Analysis mit BER
PyTorch-Implementierung von SimCLR: Ein einfaches Framework für kontrastives Lernen visueller Darstellungen
🍅🍅🍅YOLOv5-Lite: Entwickelt aus yolov5 und die Größe des Modells beträgt nur 900+kb (int8) und 1,7M (fp16). Erreicht 15 FPS auf dem Raspberry Pi 4B~
3D U-Net-Modell für volumetrische semantische Segmentierung in PyTorch geschrieben
Hochmoderne Bild- und Videoclip-Modelle, multimodale große Sprachmodelle und mehr!
[AAAI-23 mündlicher Vortrag] Offizielle Implementierung des Papiers "Sind Transformer effektiv für Zeitreihenvorhersagen?"
Ein leistungsstarkes Werkzeug, das ComfyUI Workflows in ausführbaren Python-Code übersetzt.