#pytorch Repositories
Insgesamt 1,936 Repositories
Ein sehr einfaches Framework für State-of-the-Art-Natural Language Processing (NLP)
Implementierung des Papers – YOLOv7: Trainable Bag-of-Freebies setzt neuen Stand der Technik für Echtzeit-Objekterkenner
PyTorch-Version von Stable Baselines, zuverlässige Implementierungen von Reinforcement-Learning-Algorithmen.
PyTorch-Code und Modelle für die DINOv2-Methode des selbstüberwachten Lernens.
Code für loralib, eine Implementierung von "LoRA: Low-Rank Adaptation of Large Language Models"
Dieses Repository enthält die Codes von "A Lip Sync Expert Is All You Need for Speech to Lip Generation In the Wild", veröffentlicht auf der ACM Multimedia 2020. Für kommerzielle HD-Modelle probieren Sie bitte Sync Labs aus.
Erweiterte KI-Erklärbarkeit für Computer Vision. Unterstützung für CNNs, Vision Transformers, Klassifikation, Objekterkennung, Segmentierung, Bildähnlichkeit und mehr.
🏄 Skalierbare Einbettung, Begründung, Rangierung für Bilder und Sätze mit CLIP
Der unglaubliche PyTorch: Eine kuratierte Liste von Tutorials, Papieren, Projekten, Communities und mehr im Zusammenhang mit PyTorch.
Künstliche Intelligenz Lernkarte, Zusammenstellung von fast 200 praktischen Fällen und Projekten, kostenlose Begleitbücher, Einstieg ohne Vorkenntnisse, berufliche Praxis! Enthalten: Python, Mathematik, Machine Learning, Data-Analyse, Deep Learning, Computer Vision, Natural Language Processing, PyTorch, tensorflow, machine-learning, deep-learning, data-analysis, data-mining, mathematics, data-science, artificial-intelligence, python, tensorflow, tensorflow2, caffe, keras, pytorch, algorithm, numpy, pandas, matplotlib, seaborn, nlp, cv usw. beliebte Bereiche
Das Repository stellt Code für die Durchführung von Inferenz und Finetuning mit dem Meta Segment Anything Model 3 (SAM 3) bereit, Links zum Herunterladen der trainierten Modell-Checkpoints und Beispiel-Notebooks, die zeigen, wie man das Modell verwendet.
Ultraleichtes chinesisches OCR, unterstützt vertikale Texterkennung, unterstützt ncnn-, mnn-, tnn-Inferenz (dbnet(1.8M) + crnn(2.5M) + anglenet(378KB)), Gesamtmodellgröße nur 4.7M
🍀 Pytorch-Implementierung verschiedener Aufmerksamkeitsmechanismen, MLPs, Reparameterisierung, Faltung, die zum weiteren Verständnis von Arbeiten hilfreich sind.⭐⭐⭐
Semantische Segmentierungs-Modelle mit mehr als 500 vortrainierten konvolutionellen und Transformer-basierten Backbones.
Low-Code-Framework zum Erstellen benutzerdefinierter LLMs, neuronaler Netze und anderer KI-Modelle
Dieses Repository enthält Demos, die ich mit der Transformers-Bibliothek von HuggingFace erstellt habe.
Moshi ist ein Sprach-Text-Grundlagenmodell und ein Full-Duplex-Sprachdialogsystem. Es verwendet Mimi, einen hochmodernen Streaming-Neural-Audio-Codec.
Die AI-Entwicklerplattform. Verwenden Sie Weights & Biases, um Modelle zu trainieren und feinabzustimmen und Modelle von der Experimentierphase bis zur Produktion zu verwalten.
Echtzeit- und lokale Sprach-zu-Text-Transkription mit Streaming-ASR, Sprecherdiarisierung, Übersetzung und OpenAI/Deepgram-kompatiblen APIs.
Das Open-Source-Projekt von Python: „Der Weg zum Erlernen der Programmierung“ – ein Nanny-Level-Tutorial: KI-Labor, Schatzvideos, Datenstrukturen, Lernleitfaden, praktische Anwendung von maschinellem Lernen, praktische Anwendung von tiefem Lernen, Web-Scraping, Interviews bei großen Unternehmen, Programmiererleben, Ressourcenteilung.
PyTorch-Implementierung des U-Net für die semantische Segmentierung von Bildern mit hochwertigen Bildern
[CVPR 2024] Offizielles Repository für „MagicAnimate: Temporally Consistent Human Image Animation using Diffusion Model“
Neuronale Bausteine für die Speaker-Diarisierung: Sprachaktivitätsdetektion, Sprecherwechseldetektion, Detektion überlappender Sprache, Speaker-Embedding
Hochwertige Single-File-Implementierung von Deep-Reinforcement-Learning-Algorithmen mit forschungsfreundlichen Features (PPO, DQN, C51, DDPG, TD3, SAC, PPG)
Feinabstimmung von LLMs aus einem YAML. Layer-Streaming trainiert ein 8B-Modell auf einer 4-GB-Laptop-GPU.
PyTorch-Implementierung von YOLOv3, YOLOv3-SPP und YOLOv3-tiny für Echtzeit-Objekterkennung mit Training, Validierung, Inferenz und Export in verschiedene Formate.
StreamDiffusion: Eine Pipeline-weite Lösung für die Echtzeit-interaktive Erzeugung
YOLOX ist ein leistungsstarkes ankerfreies YOLO, das yolov3~v5 übertrifft und von MegEngine, ONNX, TensorRT, ncnn und OpenVINO unterstützt wird. Dokumentation: https://yolox.readthedocs.io/