#pytorch Repositorios
1,936 repositorios en total
Revisitar modelos preentrenados para el procesamiento del lenguaje natural chino (MacBERT)
[ECCV2024 - Oral, Candidato al Premio al Mejor Artículo] SEA-RAFT: RAFT simple, eficiente y preciso para flujos ópticos
Implementación en PyTorch de JointBERT: "BERT for Joint Intent Classification and Slot Filling"
Evaluación automática unificada de la calidad para voz, música y sonido.
[CVPR 2025 Highlight] Implementación oficial de "MangaNinja: Colorización de Line Art con Seguimiento Preciso de Referencia"
Rápida implementación CUDA de soft dynamic time warping (diferenciable) para PyTorch
Soporta PointRend, Fast_SCNN, HRNet, Deeplabv3_plus(xception, resnet, mobilenet), ContextNet, FPENet, DABNet, EdaNet, ENet, Espnetv2, RefineNet, UNet, DANet, HRNet, DFANet, HardNet, LedNet, OCNet, EncNet, DuNet, CGNet, CCNet, BiSeNet, PSPNet, ICNet, FCN, deeplab
Ajuste fino de redes neuronales convolucionales preentrenadas con PyTorch
DDPO para el ajuste fino de modelos de difusión, implementado en PyTorch con soporte LoRA
Regresión de Bounding Box con Incertidumbre para Detección Precisa de Objetos (CVPR'19)
Un simulador FDTD electromagnético 3D escrito en Python con soporte opcional para GPU
Repositorio modelo para construir proyectos PyTorch desde cero en cualquier versión de PyTorch/CUDA/cuDNN.
Entrenemos transformers de visión (ViT) para CIFAR-10/CIFAR-100/ImageNet
Notas de estudio personales de aprendizaje profundo y cuadernos estilo tutorial
BiomedParse: Un modelo fundamental para la segmentación, detección y reconocimiento conjunto de objetos biomédicos en nueve modalidades
Funciones de pérdida geométricas entre nubes de puntos, imágenes y volúmenes
Implementación no oficial de "TTNet: Análisis temporal y espacial en tiempo real de vídeos de tenis de mesa" (CVPR 2020)
RankLLM es un kit de herramientas de Python para la investigación reproducible de recuperación de información utilizando rerankers, con un enfoque en la reordenación por listas.
Autoencoder LSTM de Doble Atención PyTorch para Series Temporales Multivariantes
Inspecciona, visualiza e intervén en cualquier operación de cualquier red neuronal. Captura todas las activaciones y gradientes, el grafo computacional completo y más de 800 campos de metadatos, sin cambiar el código del modelo. Compatible con PyTorch, JAX, TensorFlow, MLX, PaddlePaddle y tinygrad. Validado en más de 6.400 modelos. Creado para investigadores y sus agentes de IA.
Código oficial para "Boundary loss for highly unbalanced segmentation", subcampeón del premio al mejor artículo en MIDL 2019. Versión extendida en MedIA, volumen 67, enero 2021.
Archivos de inicio de RL para entrenar, visualizar y evaluar un agente de inmediato sin escribir ni una línea de código.
Un framework ML sin dependencias en C con una API de Python moderna para control total sobre ejecución y memoria.
DifFace: Restauración ciega de rostros con contracción de errores difundidos (TPAMI, 2024)
[ECCV 2020] Aprendizaje de características enriquecidas para la restauración y mejora de imágenes reales. Resultados SOTA para eliminación de ruido, superresolución y mejora de imágenes.
Notas del proyecto + Reproducción de papers + Competiciones de algoritmos + Práctica con PyTorch + LeetCode + Preentrenamiento VLM
[CVPR 2026 Destacado] Implementaciones Oficiales para el Artículo - HoloCine: Generación Holística de Narrativas de Video Largo Multi-Shot Cinematográficas
ReST-MCTS*: Autoentrenamiento de LLM a través de la búsqueda de árboles guiada por recompensa de proceso (NeurIPS 2024)