#pytorch Repositories
Insgesamt 1,936 Repositories
Revisiting von vortrainierten Modellen für die chinesische Verarbeitung natürlicher Sprache (MacBERT)
[ECCV2024 - Oral, Best Paper Award Candidate] SEA-RAFT: Einfaches, effizientes und genaues RAFT für optischen Fluss
PyTorch-Implementierung von JointBERT: "BERT for Joint Intent Classification and Slot Filling"
Einheitliche automatische Qualitätsbewertung für Sprache, Musik und Geräusche.
[CVPR 2025 Highlight] Offizielle Implementierung von "MangaNinja: Linienkunst-Kolorierung mit präziser Referenzverfolgung"
Schnelle CUDA-Implementierung von (differenzierbarem) Soft Dynamic Time Warping für PyTorch
Unterstützt PointRend, Fast_SCNN, HRNet, Deeplabv3_plus(xception, resnet, mobilenet), ContextNet, FPENet, DABNet, EdaNet, ENet, Espnetv2, RefineNet, UNet, DANet, HRNet, DFANet, HardNet, LedNet, OCNet, EncNet, DuNet, CGNet, CCNet, BiSeNet, PSPNet, ICNet, FCN, deeplab
Feinabstimmung vortrainierter Convolutional Neural Networks mit PyTorch
DDPO zur Feinabstimmung von Diffusionsmodellen, implementiert in PyTorch mit LoRA-Unterstützung
Bounding-Box-Regression mit Unsicherheit für präzise Objekterkennung (CVPR'19)
Ein 3D-elektromagnetischer FDTD-Simulator, geschrieben in Python mit optionaler GPU-Unterstützung
Repository-Vorlage zum Erstellen von PyTorch-Projekten aus dem Quellcode für jede Version von PyTorch/CUDA/cuDNN.
Lassen Sie uns Vision-Transformer (ViT) für CIFAR-10/CIFAR-100/ImageNet trainieren
Persönliche Lernnotizen zum Deep Learning und Tutorial-ähnliche Notizbücher
BiomedParse: Ein Basismodell für gemeinsame Segmentierung, Erkennung und Identifizierung biomedizinischer Objekte über neun Modalitäten hinweg
Inoffizielle Implementierung von "TTNet: Echtzeit-zeitliche und räumliche Videoanalyse von Tischtennis" (CVPR 2020)
RankLLM ist ein Python-Toolkit für reproduzierbare Information-Retrieval-Forschung unter Verwendung von Rerankern mit Schwerpunkt auf Listwise-Reranking.
PyTorch Dual-Attention LSTM-Autoencoder für multivariate Zeitreihen
Untersuchen, visualisieren und beeinflussen Sie jede Operation in jedem neuronalen Netzwerk. Erfassen Sie jede Aktivierung und jeden Gradienten, den vollständigen Berechnungsgraphen und über 800 Metadatenfelder, ohne den Modellcode zu ändern. Unterstützt PyTorch, JAX, TensorFlow, MLX, PaddlePaddle und tinygrad. An über 6.400 Modellen validiert. Entwickelt für Forschende und ihre KI-Agenten.
Offizieller Code für "Boundary loss for highly unbalanced segmentation", Zweiter Platz beim Best Paper Award auf der MIDL 2019. Erweiterte Version in MedIA, Band 67, Januar 2021.
RL-Starterdateien, um einen Agenten sofort zu trainieren, zu visualisieren und zu evaluieren, ohne eine Zeile Code zu schreiben.
Ein zero-dependency ML-Framework in C mit moderner Python-API für volle Kontrolle über Ausführung und Speicher.
DifFace: Blind Face Restoration mit diffundierter Fehlerkontraktion (TPAMI, 2024)
[ECCV 2020] Erlernen von angereicherten Merkmalen für die Restaurierung und Verbesserung realer Bilder. SOTA-Ergebnisse für Bildentrauschung, Super-Resolution und Bildverbesserung.
Projektnotizen + Reproduktion von Papieren + Algorithmuswettbewerbe + PyTorch-Praxis + LeetCode + VLM-Vortraining
[CVPR 2026 Highlight] Offizielle Implementierungen für das Paper - HoloCine: Holistische Generierung kinematischer Multi-Shot-Langer Videoerzählungen
ReST-MCTS*: Selbsttraining von LLMs durch Prozessbelohnungsgesteuerte Baumsuche (NeurIPS 2024)