#pytorch Repositorios
1,936 repositorios en total
Repositorio para el programa Nanodegree de Aprendizaje por Refuerzo Profundo
Modelos preentrenados de PyTorch para detección de rostros (MTCNN) y reconocimiento facial (InceptionResnet)
Código para el libro Deep Learning with PyTorch de Eli Stevens, Luca Antiga y Thomas Viehmann.
cube studio Plataforma de IA todo en uno nativa de la nube, de código abierto, para aprendizaje automático/aprendizaje profundo/modelos grandes, flujo completo de enlaces de algoritmos MLOps, plataforma de alquiler de potencia de cómputo, desarrollo en línea de Notebook, orquestación de pipeline de flujo de tareas de arrastrar y soltar, entrenamiento distribuido multi-máquina multi-GPU, búsqueda de hiperparámetros, virtualización VGPU de servicio de inferencia, computación en el borde, anotación automatizada de la plataforma de anotación, ajuste fino SFT de modelos grandes/Modelo de recompensa/Entrenamiento de aprendizaje por refuerzo de Deepseek, inferencia multi-máquina de modelos grandes como vLLM/Ollama/MindSpore, base de conocimientos privada, mercado de modelos de IA, soporte para el ecosistema Ascend de CPU/GPU/NPU domésticos, soporte RDMA, soporte para frameworks distribuidos como PyTorch/TF/MXNet/DeepSpeed/Paddle/ColossalAI/Horovod/Ray/Volcano
Implementación en PyTorch para Segmentación Semántica/Análisis de Escenas en el dataset MIT ADE20K
Recursos, práctica e investigación sobre aprendizaje automático e IA agentiva
Torchreid: Identificación de personas mediante deep learning en PyTorch.
🚀 Un currículo de código abierto y práctico que cierra la brecha desde conceptos básicos de RL hasta alineación de LLM, RLVR y sistemas Agentic avanzados.
Código y modelos de PyTorch para el aprendizaje autosupervisado de video VJEPA2.
Contenedores de aprendizaje automático para NVIDIA Jetson y JetPack-L4T
Creo que ustedes, los estudiantes de posgrado y los que buscan empleo para quienes el libro está destinado principalmente, se beneficiarán de su lectura; sin embargo, espero que incluso los investigadores más experimentados lo encuentren fascinante.
Una biblioteca de PyTorch para implementar algoritmos de coincidencia de flujo, con implementaciones de coincidencia de flujo continua y discreta. Incluye ejemplos prácticos para modalidades de texto e imagen.
Memoria condicional mediante búsqueda escalable: Un nuevo eje de esparsidad para modelos de lenguaje grandes
Biblioteca de alto nivel para ayudar a entrenar y evaluar redes neuronales en PyTorch de manera flexible y transparente.
🔥 LeetCode para PyTorch — practica implementando softmax, attention, GPT-2 y más desde cero con corrección automática instantánea. Basado en Jupyter, autoalojado o prueba en línea.
[NeurIPS 2023] Implementación oficial del artículo "Segment Everything Everywhere All at Once"
Meta Lingua: una base de código delgada, eficiente y fácil de hackear para investigar LLMs.
Un repositorio para el entrenamiento distribuido de modelos de lenguaje con Reinforcement Learning via Human Feedback (RLHF)
Práctica en cifar100(ResNet, DenseNet, VGG, GoogleNet, InceptionV3, InceptionV4, Inception-ResNetv2, Xception, Resnet In Resnet, ResNext,ShuffleNet, ShuffleNetv2, MobileNet, MobileNetv2, SqueezeNet, NasNet, Residual Attention Network, SENet, WideResNet)
Un sistema de texto a voz de código abierto construido invirtiendo Whisper.
Un repositorio para almacenar modelos que han sido convertidos entre varios frameworks. Los frameworks compatibles son TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite (Float32/16/INT8), EdgeTPU, CoreML.
Ya sea que sea un principiante absoluto, una aplicación de proyecto en CV, NLP, LLM, o una implementación y despliegue de ingeniería avanzada, aquí lo encontrará todo en "Guía práctica de PyTorch" (2ª edición). Creemos que con la ayuda de este libro, los lectores podrán dominar fácilmente el uso de PyTorch y convertirse en excelentes ingenieros de aprendizaje profundo.
PointNet y PointNet++ implementados con PyTorch (Python puro) y en ModelNet, ShapeNet y S3DIS.
TNN: Desarrollado por Tencent Youtu Lab y Guangying Lab, un framework de inferencia de aprendizaje profundo unificado para móviles, escritorios y servidores. TNN se distingue por varias características sobresalientes, que incluyen su capacidad multiplataforma, alto rendimiento, compresión de modelos y poda de código. Basado en ncnn y Rapidnet, TNN fortalece aún más el soporte y la optimización del rendimiento para dispositivos móviles, y también aprovecha las ventajas de buena extensibilidad y alto rendimiento de los esfuerzos de código abierto existentes.
Latent Consistency Models: Synthesizing High-Resolution Images with Few-Step Inference
Tutoriales para comenzar con PyTorch y TorchText para análisis de sentimientos.
Tengine es un motor de inferencia ligero, de alto rendimiento y modular para dispositivos integrados.
[ICCV 2019] Estimación de profundidad monocular a partir de una sola imagen
Una biblioteca para el aprendizaje automático científico y el aprendizaje informado por la física
Kit de herramientas de evaluación de código abierto para modelos multimodales grandes (LMM), admite más de 220 LMM, más de 80 benchmarks
[EMNLP 2022] Un kit de herramientas abierto para la extracción y construcción de grafos de conocimiento
Fundamentos de Aprendizaje Automático: Álgebra Lineal, Cálculo, Estadística e Informática