#distillation Dépôts
Découvrez 24 dépôts GitHub open source actifs associés à #distillation, cumulant 42,743 étoiles au total (soit une moyenne de 1,780 étoiles par projet). Le projet en tête de ce thème est rasbt/reasoning-from-scratch, avec 5,885 étoiles.
24 dépôts au total
Implémentez un LLM de raisonnement dans PyTorch à partir de zéro, étape par étape
Un framework unifié d'inférence et de post-entraînement pour la génération vidéo accélérée.
TurboDiffusion : Accélération de 100 à 200× pour les modèles de diffusion vidéo
Le dépôt officiel pour [NeurIPS'22] "ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation" et [TPAMI'23] "ViTPose++: Vision Transformer for Generic Body Pose Estimation"
Une collection d'articles classiques et de pointe de l'industrie dans les domaines de la recommandation/de la publicité/de la recherche. A collection of industry classics and cutting-edge papers in the field of recommendation/advertising/search.
Implémentation PyTorch de diverses méthodes pour l'apprentissage continu (XdG, EWC, SI, LwF, FROMP, DGR, BI-R, ER, A-GEM, iCaRL, Generative Classifier) dans trois scénarios différents.
Entraînement tout-en-un pour les modèles de vision (YOLO, ViTs, RT-DETR, DINOv3) : pré-entraînement, fine-tuning, distillation.
PaddleSlim est une bibliothèque open-source pour la compression de modèles profonds et la recherche d'architecture.
♾️ Framework open source pour l'immortalité numérique — Distille des avatars numériques en 7 dimensions de n'importe qui à partir des historiques de chat. Prend en charge 12+ plateformes comme WeChat/Feishu/iMessage/Telegram, 7 modèles de rôles, aligné sur la norme OpenClaw Soul Spec. Une ligne de commande permet à ton IA d'apprendre la distillation.
À ce TA inoubliable dont tu ne peux te passer, tous les grands modèles sont des saints du code. C'est l'ère de la renaissance. Bienvenue dans la Vie Numérique 1.0. 🫶
[ICML 2026] Base de code officielle pour « Causal Forcing: Autoregressive Diffusion Distillation Done Right for High-Quality Real-Time Interactive Video Generation » & Causal Forcing++
Une collection organisée d'articles, de rapports techniques, de cadres et d'outils pour la distillation en politique (OPD) des grands modèles de langage
Générez des synthétiques de haute qualité, entraînez, mesurez et évaluez dans un pipeline unique
Kandinsky 5.0 : Une famille de modèles de diffusion pour la génération de vidéos et d'images
rCM & Causal-rCM : Algorithmes/infrastructures de pointe et unifiés pour la distillation de diffusion vidéo bidirectionnelle/autorégressive à grande échelle
SparkDiffusion : accélérer la génération vidéo avec DiT de 265× grâce à la parcimonie, à la distillation, à la quantification conjointes, etc.
Flash Diffusion : accélérer les modèles de diffusion conditionnelle (AAAI 2025 Oral)
Foire aux questions
Quel est le dépôt #distillation le plus populaire sur GitHub ?
Le projet #distillation open source le mieux classé sur GitHub est rasbt/reasoning-from-scratch, avec 5,885 étoiles. Implémentez un LLM de raisonnement dans PyTorch à partir de zéro, étape par étape
Quels langages de programmation sont les plus utilisés dans les dépôts #distillation ?
Parmi les projets #distillation les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook.
Comment le classement des dépôts #distillation est-il calculé ?
Nous suivons 24 dépôts open source actifs associés à #distillation (500+ étoiles), totalisant 42,743 étoiles, avec une moyenne de 1,780 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.