#pytorch Repositories
Insgesamt 1,936 Repositories
PyTorch-Implementierung von adversarialen Angriffen [torchattacks]
Robustes Echtzeit-Gesicht- und Gesichtslandmark-Tracking auf CPU mit Unity-Integration
Offizielle PyTorch-Implementierung von "Diffusion Transformers with Representation Autoencoders"
MII ermöglicht latenzarme und hochleistungsfähige Inferenz, angetrieben von DeepSpeed.
Dies ist ein Quellcode für yolo3-pytorch, der zum Trainieren Ihres eigenen Modells verwendet werden kann.
Flowframes Windows GUI für Videointerpolation mit DAIN (NCNN) oder RIFE (CUDA/NCNN)
Ein Python-Toolkit/Bibliothek für realitätszentriertes maschinelles/tiefes Lernen & Data Mining bei teilweise beobachteten Zeitreihen, mit über 50 SOTA-Neuronalen Netzwerken für wissenschaftliche Analysenaufgaben (Imputation, Klassifikation, Clustering, Prognose, Anomalieerkennung, Reinigung) an unvollständigen industriellen unregelmäßig gesampelten multivariaten TS mit NaN fehlenden Werten
Ein Deep-Learning-Paket für die Darstellung von Viele-Teilchen-Potentialenergie und Molekulardynamik
Ein Python-Paket für bayesianische Prognosen mit objektorientiertem Design und probabilistischen Modellen im Hintergrund.
NVIDIA DeepStream SDK 8.0 / 7.1 / 7.0 / 6.4 / 6.3 / 6.2 / 6.1.1 / 6.1 / 6.0.1 / 6.0 / 5.1 Implementierung für YOLO-Modelle
Erklären, analysieren und visualisieren Sie NLP-Sprachmodelle. Ecco erstellt interaktive Visualisierungen direkt in Jupyter Notebooks, die das Verhalten von Transformer-basierten Sprachmodellen (wie GPT2, BERT, RoBERTa, T5 und T0) erklären.
PyTorch-Implementierung für Score-basierte generative Modellierung durch stochastische Differentialgleichungen (ICLR 2021, mündlich)
Fragen und Antworten zu Large-Model-Algorithmus-Stelleninterviews: Häufige Fragen und Konzepterklärungen „Large-Model-Interviewfragen“, „Algorithmus-Stelleninterview“, „Häufige Interviewfragen“, „Large-Model-Algorithmus-Interview“, „Grundlagen der Large-Model-Anwendung“
Arbeitsablauf-Teilen eines interessanten Programmierers der 80er Generation
Avalanche: eine End-to-End-Bibliothek für kontinuierliches Lernen basierend auf PyTorch.
Continuous Thought Machines, da Denken Zeit braucht und Schlussfolgern ein Prozess ist.
Expressive Body Capture: 3D-Hände, Gesicht und Körper aus einem einzigen Bild
Rainbow ist alles, was du brauchst! Eine Schritt-für-Schritt-Anleitung von DQN zu Rainbow
Ein Python-Paket zur Erweiterung des offiziellen PyTorch, das auf der Intel-Plattform einfach Leistung erzielen kann
Implementierung des Papiers – You Only Learn One Representation: Unified Network for Multiple Tasks (https://arxiv.org/abs/2105.04206)
[Vortrag auf der CVPR'24] Offizielles Repository von Point Transformer V3 (PTv3). Außerdem ein per pip installierbares PyTorch- und Triton-Paket mit den vortrainierten Encodern Sonata, Concerto und Utonia.
Rezepte zum Verkleinern, Optimieren und Anpassen von hochmodernen Bildmodellen. 💜
Semantische Suche. Durchsuchen Sie lokale Fotos und Videos mithilfe natürlicher Sprache. KI-semantische Suche nach lokalen Inhalten. Bildersuche, Lokale Inhalte finden, Szenen anhand von Textbeschreibungen abgleichen, Videosuchfunktion für Frames, Suche nach Videos anhand von Szenenbeschreibungen.
CVNets: Eine Bibliothek zum Trainieren von Computervision-Netzwerken
Code-Veröffentlichung für "Erkennung von zwanzigtausend Klassen mit bildbezogener Überwachung".
[RSS 2026] Kausales Video-Aktions-Weltmodell für die Steuerung generalistischer Roboter