#torch Repositories
Entdecke 35 aktive Open-Source-GitHub-Repositories, die mit #torch getaggt sind und insgesamt 275,273 Sterne gesammelt haben (durchschnittlich 7,864 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist AUTOMATIC1111/stable-diffusion-webui mit 165,370 Sternen.
Insgesamt 35 Repositories
Eine theoretische Rekonstruktion der Claude-Mythos-Architektur, aufgebaut aus ersten Prinzipien unter Verwendung der verfügbaren Forschungs-literatur.
Superduper: End-to-End-Framework zum Erstellen benutzerdefinierter KI-Anwendungen und -Agenten.
Eine modulare, primatenfreundliche, Python-first PyTorch-Bibliothek für Reinforcement Learning.
WAS-NS v3 Reborn; Werkzeuge für Bildverarbeitung, Filter, Maskierung, Text, Logik, Zahlen, latente Variablen, Dateien, 3D-Szenen und Animation.
Concrete ML: Datenschutzwahrender ML-Framework unter Verwendung von Fully Homomorphic Encryption (FHE), aufgebaut auf Concrete, mit Anbindungen an traditionelle ML-Frameworks.
GemPy ist eine Open-Source-Software für die strukturelle geologische Modellierung in 3D, die auf Python basiert und die implizite (d. h. automatische) Erstellung komplexer geologischer Modelle aus Grenzflächen- und Orientierungsdaten ermöglicht. Sie bietet auch Unterstützung für stochastische Modellierung, um Parameter- und Modellunsicherheiten zu berücksichtigen.
https://wavespeed.ai/ Bestes Framework zur Optimierung der Inferenzleistung für HuggingFace Diffusers auf NVIDIA GPUs.
Modulare Reinforcement Learning (RL) Bibliothek (implementiert in PyTorch, JAX und NVIDIA Warp) mit Unterstützung für Gymnasium/Gym, NVIDIA Isaac Lab, MuJoCo Playground und andere Umgebungen
Ein leistungsstarkes Framework zum Training von LLMs, VLMs, Diffusionsmodellen und verkörperten Modellen auf NVIDIA-GPUs und Kunlun-XPUs. Unterstützt Pi0.5, GR00T-N1.7, FastWAM, Cosmos3, DreamZero, DeepSeek-V4, GLM-5.3, Kimi-K3 und weitere Modelle.
Neueste hochzitierte/Top-Konferenz-Papiere zur Erklärbarkeit von neuronalen Netzwerkmodellen im Deep Learning (mit Code)
[ECCV 2026 Oral] DreamID-V: Überbrückung der Lücke zwischen Bild und Video für hochwertigen Gesichtsaustausch mittels Diffusion Transformer
Pytorch- und Torch-Testcode für CartoonGAN [Chen et al., CVPR18]
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.
Offizielle Implementierung der On-the-fly-Rekonstruktion für die groß angelegte Neuansicht-Synthese aus unbezeichneten Bildern. A. Meuleman, I. Shah, A. Lanvin, B. Kerbl, G. Drettakis, ACM TOG (proc. SIGGRAPH) 2025
Ein Skript für die batch-basierte automatische Kennzeichnung von Audio-Emotionen basierend auf Emotion2Vec
Ein Python-Toolkit für Reservoir Computing und Echo State Network-Experimente auf Basis von PyTorch. EchoTorch ist das einzige verfügbare Python-Modul, mit dem sich Deep Reservoir Computing-Modelle einfach erstellen lassen.
Häufig gestellte Fragen
Welches ist das beliebteste #torch-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#torch-Projekt auf GitHub ist AUTOMATIC1111/stable-diffusion-webui mit 165,370 Sternen. Stable Diffusion Web UI
Welche Programmiersprachen werden in #torch-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #torch-Projekten auf GitHub sind Python, Jupyter Notebook, C++, C die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #torch-Repositories berechnet?
Wir verfolgen 35 aktive Open-Source-Repositories, die mit #torch getaggt sind (500+ Sterne), mit insgesamt 275,273 Sternen und durchschnittlich 7,864 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.