#pytorch Dépôts
1,936 dépôts au total
Custom Diffusion : Personnalisation Multi-Concepts de la Diffusion Texte-vers-Image (CVPR 2023)
Unification des implémentations de Variational Autoencoder (VAE) dans Pytorch (NeurIPS 2022)
Référentiel de code pour l'article CVPR 2023 "PanoHead : Synthèse 3D complète de la tête sensible à la géométrie à 360 degrés"
OneDiff : une bibliothèque d'accélération prête à l'emploi pour les modèles de diffusion.
[ICCV 2025 Highlight] OminiControl : Contrôle minimal et universel pour les transformeurs de diffusion
Super résolution audio polyvalente (n'importe quelle -> 48kHz) avec AudioSR.
Le projet Torch-MLIR vise à fournir un support de premier ordre de l'écosystème PyTorch à l'écosystème MLIR.
Intégrer des modèles d'apprentissage profond pour la classification d'images | Projet d'apprentissage/comparaison/modification magique de l'épine dorsale
[ECCV 2022] XMem : Segmentation d'objets vidéo à long terme avec un modèle de mémoire Atkinson-Shiffrin
Une boîte à outils open-source pour la classification hiérarchique de texte multi-étiquettes neuronale
Un cadre de déploiement d'IA simple à utiliser et haute performance | An Easy-to-Use and High-Performance AI Deployment Framework
Découverte automatique de stratégies de parallélisation rapides pour l'entraînement distribué de réseaux de neurones profonds
Codec audio de pointe avec un facteur de compression de 90x. Prend en charge l'audio mono/stéréo 44,1 kHz, 24 kHz et 16 kHz.
yolov5 détection de plaque d'immatriculation reconnaissance de plaque d'immatriculation reconnaissance de plaque d'immatriculation chinoise détection prend en charge 12 types de plaques d'immatriculation chinoises prend en charge les plaques d'immatriculation à double couche
La bibliothèque Petastorm permet l'entraînement et l'évaluation de modèles d'apprentissage profond sur une seule machine ou distribués à partir de jeux de données au format Apache Parquet. Elle prend en charge les frameworks ML tels que Tensorflow, Pytorch et PySpark et peut être utilisée à partir de code Python pur.
Reconstruction faciale 3D précise par apprentissage faiblement supervisé : De l'image unique à l'ensemble d'images (CVPRW 2019). Une implémentation PyTorch.
Un framework d'apprentissage profond basé sur PyTorch pour la segmentation d'images médicales multimodales 2D/3D
Li Bai :bust_in_silhouette: En tant que poète exceptionnel de la dynastie Tang, ses œuvres poétiques occupent une place importante dans l'histoire de la littérature chinoise. Ces dernières années, avec le développement rapide de la technologie numérique et de l'intelligence artificielle, les formes de diffusion et de promotion de la culture traditionnelle sont également confrontées à l'innovation et au changement. Bien que les recherches sur les poèmes de Li Bai en Chine et à l'étranger soient déjà assez approfondies, des lacunes subsistent encore en matière de diffusion numérique et intelligente. Par conséquent, ce projet vise à construire un graphe de connaissances sur Li Bai, en le combinant avec de grands modèles pour entraîner des agents d'IA professionnels, afin de promouvoir la vulgarisation et la diffusion de la culture de Li Bai sous forme d'applications de dialogue génératif.
PixArt-Σ : Entraînement de faible à fort du Diffusion Transformer pour la génération 4K texte-vers-image
Environnement d’exécution hautes performances pour le service de systèmes de superintelligence interactifs
Entraînez efficacement des modèles d'IA sur des images médicales à l'aide de n'importe quel framework
Élucidation de l'espace de conception des modèles génératifs basés sur la diffusion (EDM)
Graphes de réseaux neuronaux et métriques d'entraînement pour PyTorch, Tensorflow et Keras.
RDT-1B : un modèle de fondation de diffusion pour la manipulation bimodale
L'IA arrive. Un rêve d'apprentissage profond automatique. Une approche RDBMS de l'apprentissage profond. Déclaratif, explicable, évolutif, optimisable, facile à déployer, toutes ces bonnes choses.
CogDL : Une bibliothèque complète pour l'apprentissage profond sur graphes (WWW 2023)
Une plateforme d'expérimentation et de recherche pour étudier l'interaction d'agents automatisés dans des environnements réseau simulés abstraits.
Fournir des roues de paquets pré-construites flash-attention 2 et 3 sur Linux et Windows en utilisant GitHub Actions