#pytorch Dépôts
1,936 dépôts au total
Implémentation PyTorch des attaques adverses [torchattacks]
Suivi robuste en temps réel du visage et des points de repère faciaux sur CPU avec intégration Unity
Implémentation officielle PyTorch de "Diffusion Transformers with Representation Autoencoders"
MII permet une inférence à faible latence et à haut débit, alimentée par DeepSpeed.
Apprentissage profond et en ligne avec des réseaux de neurones à impulsions en Python
Il s'agit du code source de yolo3-pytorch, qui peut être utilisé pour entraîner votre propre modèle.
Interface graphique Flowframes pour Windows pour l'interpolation vidéo utilisant DAIN (NCNN) ou RIFE (CUDA/NCNN)
Une boîte à outils/bibliothèque Python pour l'apprentissage automatique/profonds centré sur la réalité et le data mining sur des séries temporelles partiellement observées, avec plus de 50 modèles de réseaux de neurones SOTA pour les tâches d'analyse scientifique (imputation, classification, clustering, prévision, détection d'anomalies, nettoyage) sur des TS multivariées industrielles incomplètes échantillonnées irrégulièrement avec des valeurs manquantes NaN
Un package d'apprentissage profond pour la représentation de l'énergie potentielle à plusieurs corps et la dynamique moléculaire
Un package Python pour la prévision bayésienne avec une conception orientée objet et des modèles probabilistes sous-jacents.
Implémentation NVIDIA DeepStream SDK 8.0 / 7.1 / 7.0 / 6.4 / 6.3 / 6.2 / 6.1.1 / 6.1 / 6.0.1 / 6.0 / 5.1 pour les modèles YOLO
Expliquez, analysez et visualisez des modèles linguistiques NLP. Ecco crée des visualisations interactives directement dans les notebooks Jupyter expliquant le comportement des modèles linguistiques basés sur Transformer (tels que GPT2, BERT, RoBERTa, T5 et T0).
Implémentation PyTorch pour la modélisation générative basée sur des scores via des équations différentielles stochastiques (ICLR 2021, Oral)
Questions d'entretien pour les postes d'algorithmes de grands modèles (avec réponses) : questions fréquentes et analyse des concepts "Questions d'entretien sur les grands modèles", "Entretien pour les postes d'algorithmes", "Questions fréquentes d'entretien", "Entretien sur les algorithmes de grands modèles", "Bases des applications de grands modèles"
Partage du flux de travail d'un programmeur intéressant né dans les années 80
Avalanche : une bibliothèque de bout en bout pour l'apprentissage continu basée sur PyTorch.
Machines à Pensée Continue, car la pensée prend du temps et le raisonnement est un processus.
Capture Corporelle Expressive : Mains, Visage et Corps 3D à partir d'une seule image
Rainbow est tout ce dont vous avez besoin ! Un tutoriel étape par étape de DQN à Rainbow
Un script d'entraînement parallèle par pipeline pour les modèles de diffusion.
Un package Python pour étendre l'officiel PyTorch qui peut facilement obtenir des performances sur la plateforme Intel
implémentation de l'article - You Only Learn One Representation: Unified Network for Multiple Tasks (https://arxiv.org/abs/2105.04206)
[Présentation orale à CVPR'24] Dépôt officiel de Point Transformer V3 (PTv3). Propose également un package PyTorch + Triton installable avec pip, comprenant les encodeurs préentraînés Sonata, Concerto et Utonia.
Recettes pour réduire, optimiser et personnaliser des modèles de vision de pointe. 💜
Recherche sémantique. Recherchez des photos et vidéos locales grâce au langage naturel. Recherche sémantique par IA de matériel local. Recherche par image, trouver des matériaux locaux, faire correspondre des scènes par des descriptions textuelles, recherche d'images vidéo, recherche de vidéos par descriptions de scènes.
CVNets : Une bibliothèque pour entraîner des réseaux de vision par ordinateur
Sortie du code pour « Détection de vingt mille classes à l'aide d'une supervision au niveau de l'image ».
[RSS 2026] Modèle mondial vidéo-action causal pour le contrôle de robots généralistes