#pytorch Repositorios
1,936 repositorios en total
Un marco de trabajo muy simple para el procesamiento de lenguaje natural (NLP) de vanguardia
Implementación del artículo - YOLOv7: "Bag-of-freebies" entrenables establece un nuevo estado del arte para detectores de objetos en tiempo real
Versión de PyTorch de Stable Baselines, implementaciones confiables de algoritmos de aprendizaje por refuerzo.
Síntesis de imágenes de alta resolución con modelos de difusión latente
Código y modelos de PyTorch para el método de aprendizaje autosupervisado DINOv2.
Código para loralib, una implementación de "LoRA: Low-Rank Adaptation of Large Language Models"
Este repositorio contiene los códigos de "A Lip Sync Expert Is All You Need for Speech to Lip Generation In the Wild", publicado en ACM Multimedia 2020. Para el modelo comercial HD, prueba Sync Labs.
Explicabilidad avanzada de IA para visión por computadora. Soporte para CNN, Vision Transformers, Clasificación, Detección de objetos, Segmentación, Similitud de imágenes y más.
🏄 Incrustación escalable, razonamiento, clasificación para imágenes y oraciones con CLIP
El kit de herramientas de entrenamiento definitivo para afinar modelos de difusión
El Increíble PyTorch: una lista curada de tutoriales, papers, proyectos, comunidades y más relacionados con PyTorch.
Mapa de ruta de aprendizaje de inteligencia artificial, recopilación de casi 200 casos y proyectos prácticos, materiales complementarios gratuitos, entrada desde cero bases, práctica para el empleo! Incluye: Python, matemáticas, aprendizaje automático, análisis de datos, aprendizaje profundo, visión por computadora, procesamiento del lenguaje natural, PyTorch, tensorflow, machine-learning, deep-learning, data-analysis, data-mining, mathematics, data-science, artificial-intelligence, python, tensorflow, tensorflow2, caffe, keras, pytorch, algorithm, numpy, pandas, matplotlib, seaborn, nlp, cv y otros campos populares
El repositorio proporciona código para ejecutar inferencia y ajuste fino con el Meta Segment Anything Model 3 (SAM 3), enlaces para descargar los puntos de control del modelo entrenado y cuadernos de ejemplo que muestran cómo usar el modelo.
OCR chino ultraligero, admite reconocimiento de texto vertical, admite inferencia ncnn, mnn, tnn (dbnet(1.8M) + crnn(2.5M) + anglenet(378KB)), modelo total de solo 4.7M
🍀 Implementación en Pytorch de varios mecanismos de Atención, MLP, Re-parametrización, Convolución, que son útiles para comprender mejor los artículos.⭐⭐⭐
Modelos de segmentación semántica con más de 500 backbones convolucionales y basados en transformadores preentrenados.
Framework de bajo código para construir LLMs personalizados, redes neuronales y otros modelos de IA
Este repositorio contiene demostraciones que hice con la biblioteca Transformers de HuggingFace.
Moshi es un modelo de base de voz a texto y un marco de diálogo hablado full-duplex. Utiliza Mimi, un códec de audio neuronal de transmisión de última generación.
La plataforma para desarrolladores de IA. Usa Weights & Biases para entrenar y ajustar finamente modelos, y gestionar modelos desde la experimentación hasta la producción.
YOLOv10: Detección de objetos de extremo a extremo en tiempo real [NeurIPS 2024]
Conversión de voz a texto en tiempo real y local con ASR en streaming, diarización de hablantes, traducción y API compatibles con OpenAI/Deepgram.
El proyecto de código abierto de Python "El camino para aprender a programar", tutorial nivel niñera: Laboratorio de IA, Vídeos tesoro, Estructuras de datos, Guía de aprendizaje, Machine Learning práctico, Deep Learning práctico, Web scraping, Entrevistas en grandes empresas, Vida de programador, Compartir recursos.
Implementación de U-Net en PyTorch para segmentación semántica de imágenes con imágenes de alta calidad
[CVPR 2024] Repositorio oficial de "MagicAnimate: Temporally Consistent Human Image Animation using Diffusion Model"
Bloques de construcción neuronales para la diarización de hablantes: detección de actividad de voz, detección de cambio de hablante, detección de voz solapada, embedding de hablante
Inferencia de generación de texto de modelos de lenguaje grandes
Implementación de un solo archivo de alta calidad de algoritmos de Deep Reinforcement Learning con características amigables para la investigación (PPO, DQN, C51, DDPG, TD3, SAC, PPG)
Ajuste fino de LLMs desde un YAML. El streaming por capas entrena un modelo de 8B en una GPU de portátil de 4 GB.
Implementación en PyTorch de YOLOv3, YOLOv3-SPP y YOLOv3-tiny para detección de objetos en tiempo real con entrenamiento, validación, inferencia y exportación en múltiples formatos.
StreamDiffusion: Una solución a nivel de pipeline para la generación interactiva en tiempo real
YOLOX es un YOLO de alto rendimiento sin anclas, que supera a yolov3~v5 con el soporte de MegEngine, ONNX, TensorRT, ncnn y OpenVINO. Documentación: https://yolox.readthedocs.io/