#pytorch Repositories
Insgesamt 1,936 Repositories
(IJCV2024 & ICCV2023) LSKNet: Ein grundlegendes leichtgewichtiges Backbone für die Fernerkundung
Ein PyTorch-Port von google-research/google-research/robust_loss/
【CVPR 2025 Highlight】MonSter: Monodepth mit Stereo vereinen entfesselt Leistung
ACM Multimedia2020 University-1652: Ein Multi-View Multi-Source-Benchmark für drone-basierte Geo-Lokalisierung :helicopter: annotiert 1652 Gebäude an 72 Universitäten weltweit.
Eine Full Stack ML (Machine Learning) Roadmap beinhaltet das Erlernen der notwendigen Fähigkeiten und Technologien, um in allen Aspekten des maschinellen Lernens versiert zu werden, einschließlich Datenerfassung und -vorverarbeitung, Modellentwicklung, Bereitstellung und Wartung.
Reproduktion des Papiers von Yann LeCun aus dem Jahr 1989 mit dem Titel "Backpropagation Applied to Handwritten Zip Code Recognition", meines Wissens die früheste reale Anwendung eines neuronalen Netzes, das mit Backpropagation trainiert wurde.
LeanRL ist ein Fork von CleanRL, bei dem ausgewählte PyTorch-Skripte durch Kompilierung und Cudagraphs auf Leistung optimiert wurden.
Eine auf PyTorch basierende End-to-End Predict-then-Optimize-Bibliothek für lineare und ganzzahlige Programmierung
Dynamische neuronale Strahlungsfelder für die monokulare 4D-Gesichtsavatarrrekonstruktion
Fotorealistische Einzelbild-Super-Resolution unter Verwendung eines generativen gegnerischen Netzwerks | ein PyTorch-Tutorial zur Super-Resolution
Code für "Adversarial Motion Priors Make Good Substitutes for Complex Reward Functions"
Lokale KI-Hintergrundmusik und Soundeffekte für Claude Code und jeden MCP-Client. Stable Audio 3 auf Apple Silicon (MLX) und Windows mit NVIDIA-GPUs (PyTorch). Keine Cloud, kein API-Schlüssel.
USP: Einheitliche (auch Hybrid, 2D) Sequenzparallel-Attention für das Training und die Inferenz von Langkontext-Transformer-Modellen
Eine Bibliothek zur Generierung und Bewertung synthetischer tabellarischer Daten für Datenschutz, Fairness und Datenanreicherung.
Dieses Repository enthält die meisten Implementierungen klassischer Deep Reinforcement Learning-Algorithmen von PyTorch, darunter - DQN, DDQN, Dueling Network, DDPG, SAC, A2C, PPO, TRPO. (Weitere Algorithmen sind in Arbeit)
[🚀 ICLR 2026 Oral] NextStep-1: SOTA Autogressive Bildgenerierung mit kontinuierlichen Tokens. Ein Forschungsprojekt, das vom Multimodal Intelligence Team von StepFun entwickelt wurde.
Pytorch- und Torch-Testcode für CartoonGAN [Chen et al., CVPR18]
Bildwiederherstellung mit Mean-Reverting Stochastic Differential Equations, ICML 2023. Siegerlösung der NTIRE 2023 Image Shadow Removal Challenge.
Deep Learning on Flink zielt darauf ab, Flink und Deep-Learning-Frameworks (z. B. TensorFlow, PyTorch usw.) zu integrieren, um verteiltes Deep-Learning-Training und -Inference auf einem Flink-Cluster zu ermöglichen.
[ECCV 2024] InstructIR: Hochwertige Bildwiederherstellung nach menschlichen Anweisungen https://huggingface.co/spaces/marcosv/InstructIR
Das Repository für "Distill Any Depth: Distillation Creates a Stronger Monocular Depth Estimator"
LightMirrors ist ein leichter Mirror-Server mit Caching-Funktionen, der derzeit DockerHub, K8S, PyPI, PyTorch und NPM unterstützt.
Fabric for Deep Learning (FfDL, ausgesprochen fiddle) ist eine Deep-Learning-Plattform, die TensorFlow, Caffe, PyTorch usw. als Service auf Kubernetes anbietet.
Interaktive Web-Visualisierung zur Handschrifterkennung mithilfe eines einfachen neuronalen Netzwerks
Allosaurus ist ein vortrainierter universeller Telefonerkennungsalgorithmus für mehr als 2000 Sprachen
BenchMARL ist eine Bibliothek zum Benchmarking von Multi-Agent Reinforcement Learning (MARL). BenchMARL ermöglicht den schnellen Vergleich verschiedener MARL-Algorithmen, Aufgaben und Modelle, während es systematisch auf seinen beiden Kernprinzipien basiert: Reproduzierbarkeit und Standardisierung.
Das Repository von ET-BERT, einem Modell zur Klassifizierung von Netzwerkverkehr bei verschlüsseltem Verkehr. Die Arbeit wurde als akzeptierte Veröffentlichung auf der Web Conference (WWW) 2022 angenommen.
[NeurlPS2024] Ein-Schritt-effektives Diffusionsnetzwerk für reale Bildsuperauflösung
Open-Weights-Sprachmodell von Google DeepMind, basierend auf Griffin.
[ICLR 2025 Oral] Zum Hochskalieren des Trainings von 3D Gaussian Splatting
[CVPR 2022] Vortraining von 3D-Punktwolken-Transformatoren mit maskiertem Punktmodellierungsverfahren
Lesbarer und flexibler Yolov5 mit mehr Backbones (gcn, resnet, shufflenet, moblienet, efficientnet, hrnet, swin-transformer, etc.) und (cbam, dcn und so weiter) sowie TensorRT
SiLK (Simple Learned Keypoint) ist ein selbstüberwachtes Deep-Learning-Keypoint-Modell.
Zweistufige, leichte und hochperformante Kennzeichen-Erkennung mit MTCNN und LPRNet
[JMLR 2023] Quantus ist ein Toolkit für erklärbare KI zur verantwortungsvollen Bewertung von Erklärungen neuronaler Netze
[ICML 2024 Best Paper] Diskrete Diffusionsmodellierung durch Schätzung der Verhältnisse der Datenverteilung (https://arxiv.org/abs/2310.16834)
Einführungen in die Schlüsselkonzepte der Quantenprogrammierung sowie Tutorials und Implementierungen aus der Spitzenforschung im Quantencomputing.