#pytorch Repositories
Insgesamt 1,936 Repositories
JARVIS, ein System zur Verbindung von LLMs mit der ML-Community. Paper: https://arxiv.org/pdf/2303.17580.pdf
ncnn ist ein Hochleistungs-Inferenz-Framework für neuronale Netze, optimiert für mobile Plattformen
Eine Reihe von Beispielen rund um Pytorch in den Bereichen Vision, Text, Reinforcement Learning usw.
Audiocraft ist eine Bibliothek für die Audioverarbeitung und -generierung mit Deep Learning. Sie enthält den hochmodernen Audio-Kompressor/Tokenizer EnCodec sowie MusicGen, ein einfaches und steuerbares Musikgenerierungs-LM mit Text- und Melodiebedingung.
Eine Rangliste von großartigen Machine-Learning-Python-Bibliotheken. Wöchentlich aktualisiert.
ONNX Runtime: Cross-Plattform, hochleistungsstarker ML-Inferenz- und Trainingsbeschleuniger
🤗 Die größte Drehscheibe für einsatzbereite Datensätze für KI-Modelle mit schnellen, einfach zu bedienenden und effizienten Werkzeugen zur Datenmanipulation
FinGPT: Open-Source Large Language Models für Finanzen! Revolutionieren Sie 🔥 Wir veröffentlichen das trainierte Modell auf HuggingFace.
Das pytorch handbook ist ein Open-Source-Buch, das das Ziel hat, Freunden, die PyTorch für die Deep-Learning-Entwicklung und -Forschung nutzen möchten, einen schnellen Einstieg zu ermöglichen. Alle enthaltenen Pytorch-Tutorials wurden getestet und garantieren einen erfolgreichen Lauf.
Open-Source-Spracherkennungs-Toolkit für Training, Inferenz, Streaming-ASR, VAD, Interpunktion, Sprecherdiarisierungs-Pipelines und OpenAI-kompatiblen/MCP-Service.
Das Repository stellt Code zur Ausführung der Inferenz mit dem Meta Segment Anything Model 2 (SAM 2), Links zum Herunterladen der trainierten Modell-Checkpoints und Beispiel-Notebooks bereit, die zeigen, wie das Modell verwendet wird.
Ein flexibles Framework zum Erleben heterogener LLM-Inferenz-/Fine-Tune-Optimierungen
Materialien für den Kurs "Learn PyTorch for Deep Learning: Zero to Mastery".
Willkommen im Llama-Kochbuch! Dies ist Ihr Leitfaden für den Einstieg in Llama: Erste Schritte mit Inferenz, Fine-Tuning, RAG. Wir zeigen Ihnen auch, wie Sie End-to-End-Probleme mit der Llama-Modellfamilie lösen und sie auf verschiedenen Anbieterdiensten einsetzen.
Private KI-Plattform für Agenten, Assistenten und Unternehmenssuche. Integrierter Agent Builder, Tiefenrecherche, Dokumentenanalyse, Unterstützung mehrerer Modelle und API-Konnektivität für Agenten.
[NeurIPS 2022] Auf dem Weg zur robusten blinden Gesichtswiederherstellung mit Codebook Lookup Transformer
Eine Sammlung verschiedener Deep-Learning-Architekturen, Modelle und Tipps
Eine umfassende Liste von PyTorch-bezogenen Inhalten auf GitHub, wie verschiedene Modelle, Implementierungen, Hilfsbibliotheken, Tutorials usw.
pix2tex: Verwendung eines ViT zur Umwandlung von Gleichungsabbildungen in LaTeX-Code.
Burn ist eine Tensorbibliothek der nächsten Generation und ein Deep-Learning-Framework, das keine Kompromisse bei Flexibilität, Effizienz und Portabilität eingeht.
Offizieller Code für „F5-TTS: Ein Märchenerzähler, der flüssige und getreue Sprache mit Flow Matching fälscht“
TensorRT LLM bietet Benutzern eine einfach zu bedienende Python-API zur Definition von Large Language Models (LLMs) und unterstützt hochmoderne Optimierungen für eine effiziente Inferenz auf NVIDIA GPUs. TensorRT LLM enthält außerdem Komponenten zur Erstellung von Python- und C++-Runtimes, die die Inferenzdurchführung auf performante Weise orchestrieren.
Der KI-Wissenschaftler: Auf dem Weg zur vollständig automatisierten, offenen wissenschaftlichen Entdeckung 🧑🔬
Lernen Sie 4 Monate lang kostenlos ML-Engineering! Hier registrieren 👇🏼
Eine theoretische Rekonstruktion der Claude-Mythos-Architektur, aufgebaut aus ersten Prinzipien unter Verwendung der verfügbaren Forschungs-literatur.
RWKV (ausgesprochen RwaKuv) ist ein RNN mit großartiger LLM-Leistung, das auch direkt wie ein GPT-Transformer trainiert werden kann (parallelisierbar). Wir sind bei RWKV-7 "Goose". Es kombiniert also das Beste aus RNN und Transformer - großartige Leistung, lineare Zeit, konstanter Speicherplatz (kein kv-Cache), schnelles Training, unendliche ctx_len und kostenlose Satz-Einbettung.
Ein Multi-Voice-TTS-System, das mit Schwerpunkt auf Qualität trainiert wurde
State-of-the-Art Deep-Learning-Skripte, nach Modellen organisiert - einfach zu trainieren und bereitzustellen mit reproduzierbarer Genauigkeit und Leistung auf Unternehmensklasse-Infrastruktur.