#pytorch Repositories
Insgesamt 1,936 Repositories
Techniken für Deep Learning mit Satelliten- und Luftbildern
Vor-Training mit Whole Word Masking für Chinese BERT (Chinese BERT-wwm-Serie-Modelle)
Datenwissenschaft an Daten durchführen, die auf dem Server einer anderen Person verbleiben
🦙 LaMa Image Inpainting, Auflösungsrobuste Inpainting mit großen Masken durch Fourier-Faltungen, WACV 2022
PyTorch3D ist die Bibliothek von FAIR mit wiederverwendbaren Komponenten für Deep Learning mit 3D-Daten
Implementierung des Nougat Neural Optical Understanding für akademische Dokumente
LLMs zu Hause ausführen, im BitTorrent-Stil. Fine-Tuning und Inferenz bis zu 10x schneller als beim Offloading.
SANA & Sol: Effiziente generative Modelle und Full-Stack-Engines für Training und Inferenz zur Bild-, Video- und Weltmodellierung
Open-Source-SenseVoiceSmall-Modell für ASR in Mandarin, Kantonesisch, Englisch, Japanisch und Koreanisch, Sprachidentifikation, Emotionserkennung und Audioereigniserkennung.
Eine Sammlung von Tutorials zu hochmodernen Computer-Vision-Modellen und -Techniken. Entdecken Sie alles von grundlegenden Architekturen wie ResNet bis hin zu Spitzenmodellen wie RF-DETR, YOLO11, SAM 3 und Qwen3-VL.
Open-Source-Inferenzplattform für Sprach-, Vision-, Embedding-, Reranking-, Bild-, Audio- und Videomodelle. Stellen Sie mehrere Engines auf heterogener Hardware bereit – vom Laptop bis zum verteilten Cluster. Stellen Sie Modelle über OpenAI-kompatible APIs bereit.
Flexible und leistungsstarke Tensor-Operationen für lesbaren und zuverlässigen Code (für PyTorch, JAX, TF und andere)
Eine PyTorch-Implementierung des Transformer-Modells aus „Attention is All You Need“.
ChatRWKV ist wie ChatGPT, aber angetrieben von einem RWKV (100% RNN) Sprachmodell und Open Source.
Qwen, Gemma oder jedes offene agentische LLM/VLM ganz einfach feinabstimmen (SFT/RL), evaluieren und bereitstellen!
so-vits-svc-Fork mit Echtzeitunterstützung, verbesserter Benutzeroberfläche und mehr Funktionen.
Deeplake ist eine AI Data Runtime für Agents. Sie bietet serverlosen Postgres mit einem multimodalen Datalake, der skalierbare Retrieval- und Training-Funktionen ermöglicht.
Lab-Materialien für MIT 6.S191: Einführung in das Deep Learning
Beschleunigen Sie die lokale LLM-Inferenz und Feinabstimmung (LLaMA, Mistral, ChatGLM, Qwen, DeepSeek, Mixtral, Gemma, Phi, MiniCPM, Qwen-VL, MiniCPM-V usw.) auf Intel XPU (z. B. lokaler PC mit iGPU und NPU, dedizierte GPU wie Arc, Flex und Max); nahtlose Integration mit llama.cpp, Ollama, HuggingFace, LangChain, LlamaIndex, vLLM, DeepSpeed, Axolotl usw.
Zugängliche große Sprachmodelle über k-Bit-Quantisierung für PyTorch.
Qwen-Image ist ein leistungsstarkes Basismodell zur Bildgenerierung, das komplexe Textdarstellung und präzise Bildbearbeitung ermöglicht.
Ein erweiterbares Toolkit für das Finetuning und die Inferenz großer Grundmodelle. Große Modelle für alle.
Echtzeit- und genaues Ganzkörper-Mehrpersonen-Pose-Schätzungs- und -Tracking-System
Eine Ressource zum Erlernen von maschinellem Lernen und Deep Learning
Background Remover ermöglicht es Ihnen, Hintergründe aus Bildern und Videos mithilfe von KI über eine einfache Befehlszeilenschnittstelle zu entfernen, die kostenlos und Open Source ist.
Pytorch-Implementierung von Visualisierungstechniken für Convolutional Neural Networks
Offizielle Code-Implementierung der General OCR Theory: Auf dem Weg zu OCR-2.0 über ein vereinheitlichtes End-to-End-Modell
Abschied vom Langweiligen, widmet sich der Erstellung praktischer kleiner Python-Beispiele. Mehr gewissenhafte Python-Tutorials unter https://ai-jupyter.com
Begleitcode in "Praktischem Tutorial zum Training von PyTorch-Modellen"
Open-Source-Toolbox zur Bild- und Videorestauration für Superauflösung, Rauschreduzierung, Entschärfung usw. Derzeit enthält sie EDSR, RCAN, SRResNet, SRGAN, ESRGAN, EDVR, BasicVSR, SwinIR, ECBSR usw. Unterstützt auch StyleGAN2, DFDNet.
Stanford NLP Python-Bibliothek für Tokenisierung, Satzsegmentierung, NER und Parsing vieler menschlicher Sprachen