#pytorch Repositories
Insgesamt 1,936 Repositories
Standardisierte verteilte generative und prädiktive KI-Inferenzplattform für skalierbare, Multi-Framework-Bereitstellung auf Kubernetes
Silero-Modelle: Vortrainierte Text-zu-Sprache-Modelle, deren Nutzung erstaunlich einfach ist
Fehlerverzeihende, hoch skalierbare GPU-Orchestrierung und ein Machine-Learning-Framework, das für das Training von Modellen mit Milliarden bis Billionen von Parametern entwickelt wurde
Die nächste Plattform von OpenMMLab für die allgemeine Erkennung von 3D-Objekten.
Eine mit scikit-learn kompatible neuronale Netzwerk-Bibliothek, die PyTorch umhüllt
Zeitreihen Timeseries Deep Learning Machine Learning Python Pytorch fastai | State-of-the-Art Deep Learning-Bibliothek für Zeitreihen und Sequenzen in Pytorch / fastai
NanoDet-Plus⚡Super schnelles und leichtgewichtiges Anker-freies Objekterkennungsmodell. 🔥Nur 980 KB (int8) / 1,8 MB (fp16) und läuft mit 97 FPS auf Mobiltelefonen🔥
StyleTTS 2: Auf dem Weg zu sprachähnlicher Text-zu-Sprache durch Stil-Diffusion und gegnerisches Training mit großen Sprachmodellen für Sprache
Implementierung des LLaMA-Sprachmodells basierend auf nanoGPT. Unterstützt Flash-Attention, Int8- und GPTQ-4-Bit-Quantisierung, LoRA- und LLaMA-Adapter-Feinabstimmung, Vortraining. Unter der Apache-2.0-Lizenz.
Chinesische Version von CLIP, die chinesische Cross-Modal-Retrieval und Repräsentationsgenerierung ermöglicht.
Eine PyTorch-Implementierung von NeRF (Neural Radiance Fields), die die Ergebnisse reproduziert.
[ECCV 2022] ByteTrack: Multi-Object Tracking durch Verknüpfung aller Erkennungsboxen
[ICLR 2024] Fine-Tuning von LLaMA zur Befolgung von Anweisungen innerhalb von 1 Stunde und 1,2 Mio. Parametern
PyTorch-Implementierungen von Deep-Reinforcement-Learning-Algorithmen und -Umgebungen
Implementieren Sie Schritt für Schritt ein Reasoning LLM in PyTorch von Grund auf neu
MMdnn ist eine Sammlung von Tools, die Benutzern helfen, zwischen verschiedenen Deep-Learning-Frameworks zu interoperieren. Z. B. Modellkonvertierung und -visualisierung. Konvertieren von Modellen zwischen Caffe, Keras, MXNet, Tensorflow, CNTK, PyTorch, ONNX und CoreML.
Eine GPU-beschleunigte Bibliothek, die hochoptimierte Bausteine und eine Ausführungsengine für die Datenverarbeitung enthält, um Deep-Learning-Training- und Inferenz-Anwendungen zu beschleunigen.
Depth Pro: Scharfe monokulare Tiefenmetrik in weniger als einer Sekunde.
Dockerisierte, OpenAI-kompatible Schnittstelle für die Kokoro-82M-Text-to-Speech-Synthese mit plattformübergreifender PyTorch-Unterstützung für CPUs sowie AMD- und NVIDIA-GPUs; mehrere Sprecher, Stimmenklonen und -anpassung, Zeitstempel für Untertitel, SSML, WebSockets und optionale Weboberfläche zum Mitlesen
Tutorials zur Implementierung einiger Sequence-to-Sequence (Seq2Seq) Modelle mit PyTorch und TorchText.
Ein modulares Framework für Vision- und Sprach-Multimodal-Forschung von Facebook AI Research (FAIR)
Framework-unabhängige geslicete/geteilte Inferenz + interaktive Benutzeroberfläche + Fehleranalyse-Diagramme
Search-R1: Ein effizientes, skalierbares RL-Trainingsframework für Reasoning & Suchmaschinenaufrufe, das auf veRL basierende LLMs interleaved nutzt
Ein hochqualitatives, schnelles TTS-Stimmenklonierungsmodell, das Geschwindigkeiten von 150× in Echtzeit erreicht。
SUPIR zielt darauf ab, praktische Algorithmen für die fotorealistische Bildrestaurierung in freier Wildbahn zu entwickeln. Unsere neue Online-Demo ist auch unter suppixel.ai verfügbar.
Projekte und Übungen für das neueste Deep-Learning-Nanodegree-Programm https://www.udacity.com/course/deep-learning-nanodegree--nd101
Code-Repository für maschinelles Lernen mit PyTorch und Scikit-Learn
Core ML-Tools enthalten unterstützende Tools für die Konvertierung, Bearbeitung und Validierung von Core ML-Modellen.
PyTorch Lightning + Hydra. Eine sehr benutzerfreundliche Vorlage für ML-Experimente. ⚡🔥⚡
Superduper: End-to-End-Framework zum Erstellen benutzerdefinierter KI-Anwendungen und -Agenten.
Deep-Learning-unterstütztes Comic-Übersetzungswerkzeug, unterstützt Ein-Klick-Maschinenübersetzung und einfache Bild-/Textbearbeitung | Yet another computer-aided comic/manga translation tool powered by deeplearning
[ECCV2024] IDM-VTON: Verbesserung von Diffusionsmodellen für authentisches virtuelles Anprobieren in der Wildnis
Ein einfaches, vollständig konvolutionelles Modell für die Echtzeit-Instanzsegmentierung.
OpenMMLabs' Werkzeugkasten und Benchmark der nächsten Generation für Videoverständnis
Eine PyTorch-Bibliothek zur Beschleunigung der 3D-Deep-Learning-Forschung
Ein beliebiges Face-Swapping-Framework für Bilder und Videos mit einem einzigen trainierten Modell!