#pytorch Repositories
Insgesamt 1,936 Repositories
Step-Audio 2 ist ein End-to-End Multi-Modales Large Language Model, das für branchenstärke Audioverarbeitung und Sprachkonversation entwickelt wurde.
Offizieller Code für die Veröffentlichung „LucidDreamer: Domänenfreie Generierung von 3D-Gaußschen Splatting-Szenen“.
OCR-Toolbibliothek auf Basis von Pytorch, unterstützt gängige Textdetektions- und Erkennungsalgorithmen
[ICCV 2023] DDColor: Auf dem Weg zu fotorealistischer Bildkolorierung durch duale Decoder
Hosten Sie das leistungsstarke Chatterbox TTS-Modell selbst. Dieser Server bietet eine benutzerfreundliche Weboberfläche, flexible API-Endpunkte (inkl. OpenAI-kompatibel), vordefinierte Stimmen, Stimmklonen und die Verarbeitung großer Textmengen im Hörbuchformat. Läuft beschleunigt auf NVIDIA (CUDA), AMD (ROCm) und CPU.
Deep-Learning-Lehrplan mit Schwerpunkt auf Sprachmodell-Ausrichtung
Offizielles Repository meines Buches: "Deep Learning mit PyTorch Schritt für Schritt: Ein Leitfaden für Anfänger"
Einfache Trennung von Stems (z. B. Instrumental-/Gesangsspuren) über die Befehlszeile oder als Python-Paket, unter Verwendung einer Vielzahl von erstaunlichen vortrainierten Modellen (hauptsächlich von UVR)
Eine konfigurierbare, abstimmbare und reproduzierbare Bibliothek für CTR-Vorhersagen https://fuxictr.github.io
PyTorch-Code für unser ECCV 2018-Papier "Image Super-Resolution Using Very Deep Residual Channel Attention Networks"
NVIDIA Kaolin Wisp ist eine PyTorch-Bibliothek, die von NVIDIA Kaolin Core unterstützt wird und mit neuronalen Feldern (einschließlich NeRFs, NGLOD, instant-ngp und VQAD) arbeitet.
Portfolio von Data-Science-Projekten, die von mir für akademische Zwecke, zum Selbststudium und als Hobby abgeschlossen wurden.
Dieses Repo enthält Implementierungen verschiedener Architekturen für die Emotionserkennung in Gesprächen.
Code für das SIGGRAPH 2020 Paper "RigNet: Neural Rigging für artikulierte Charaktere"
CNN-Bildabruf in PyTorch: Training und Evaluierung von CNNs für Bildabruf in PyTorch
Offizielle Implementierung des kontinuierlichen 3D-Wahrnehmungsmodells mit persistentem Zustand
Monokular, Ein-Stufen, Regression von mehreren 3D-Personen und ihren 3D-Positionen & Trajektorien in Kamera- & globalen Koordinaten. ROMP[ICCV21], BEV[CVPR22], TRACE[CVPR2023]
Typannotationen und dynamische Überprüfung der Form, des Datentyps, der Namen usw. eines Tensors.
Auf Forschung und Produktion ausgerichtetes Toolkit für Sprecherverifikation, Sprechererkennung und Sprechersegmentierung
MobileLLM Optimierung von Sprachmodellen mit weniger als einer Milliarde Parametern für Anwendungsfälle auf Geräten. In ICML 2024.
Eine Gruppe von Notebooks und anderen Dateien, die Ihnen helfen können, KI von Grund auf zu erlernen.
Eine Python-Bibliothek für die Erkennung von Graphenausreißern (Anomalieerkennung)
Kollektive Kommunikationsbibliothek mit verschiedenen Primitiven für das Multi-Maschinen-Training.
fire-smoke-detect-yolov4-yolov5 und fire-smoke-detection-dataset Branderkennung, Raucherkennung
[MICRO'23, MLSys'22] TorchSparse: Ein effizientes Framework für Training und Inferenz von dünnbesetzter Faltung auf GPUs.
CVPR2023 - Aktivierung von mehr Pixeln in Image Super-Resolution Transformer TPAMI - HAT: Hybrid Attention Transformer für Image Restoration
Ein Open-Source-DevOps-Tool der CNCF zum Verpacken und Versionieren von KI/ML-Modellen, Datensätzen, Code und Konfigurationen in ein OCI-Artefakt.
AMD-SHARK Studio -- Web-Benutzeroberfläche für die SHARK+IREE Hochleistungs-Maschinenlernverteilung
[CVPR 2024 Highlight] PhysGaussian: Physik-integrierte 3D-Gaußsche für generative Dynamik
Eine Python/Pytorch-App zur einfachen Synthese menschlicher Stimmen
ResShift: Effizientes Diffusionsmodell für Bildsuperauflösung durch Restsverschiebung (NeurIPS@2023 Spotlight, TPAMI@2024)
Vortrainiertes chinesisches ELECTRA (ELECTRA-Vortrainiertes Modell Chinesisch)
Parallax ist ein verteiltes Modell-Serving-Framework, mit dem Sie Ihren eigenen KI-Cluster überall erstellen können
Offizielle Implementierung des SIGGRAPH 2024-Papiers „Eine hierarchische 3D-Gaußsche Darstellung für die Echtzeit-Darstellung sehr großer Datensätze“