#pytorch Dépôts
1,936 dépôts au total
premier modèle de base pour l'audio conversationnel bidirectionnel
PPL Quantization Tool (PPQ) est un puissant outil de quantification hors ligne pour réseaux neuronaux.
Boîte à outils de modèles, de callbacks et de jeux de données pour les chercheurs en IA/ML.
Entraînement de grands modèles linguistiques pour raisonner dans un espace latent continu
ApacheCN Organisation Open Source : Annonces, Introduction, Membres, Activités, Moyens d'échange
TorchMultimodal est une bibliothèque PyTorch pour l'entraînement de modèles multimodaux multi-tâches à la pointe de la technologie à grande échelle.
Entraînement tout-en-un pour les modèles de vision (YOLO, ViTs, RT-DETR, DINOv3) : pré-entraînement, fine-tuning, distillation.
Pré-entraînement vidéo (VPT) : Apprendre à agir en regardant des vidéos en ligne non étiquetées
Mise en œuvre de "EasyControl : Ajout d'un contrôle efficace et flexible pour les transformeurs de diffusion" (ICCV2025)
Une implémentation GRPO très simple pour reproduire la pensée LLM de type r1.
YomiToku est un paquet Python qui fournit un moteur d'analyse de documents japonais basé sur l'IA. Yomitoku est un paquet d'analyse d'images de documents basé sur l'IA, conçu spécifiquement pour la langue japonaise.
AVERTISSEMENT : le projet Katib est OBSOLÈTE. Les utilisateurs doivent migrer vers OptimizationJob et Kubeflow Trainer.
SF3D : Reconstruction de maillage 3D stable et rapide avec dépliage UV et désenchevêtrement de l'éclairage
Une boîte à outils d’apprentissage profond pour l’IA en santé : dossiers médicaux électroniques (MIMIC, eICU, OMOP), textes cliniques, signaux et imagerie. Plus de 30 modèles et des pipelines reproductibles.
Un cadre unifié pour les modèles d'apprentissage profond sur les données tabulaires
Solveurs de SDE différentiables avec prise en charge GPU et analyse de sensibilité efficace.
Ce dépôt contient l'implémentation officielle des articles de recherche « MobileCLIP » CVPR 2024 et « MobileCLIP2 » TMLR Août 2025
Graph4nlp est la bibliothèque pour l'utilisation facile des réseaux de neurones graphiques pour le NLP. Bienvenue sur notre site web DLG4NLP (https://dlg4nlp.github.io/index.html) pour diverses ressources d'apprentissage !
Un framework basé sur PyTorch pour la Simulation Quantique Classique, l'Apprentissage Automatique Quantique, les Réseaux Neuronaux Quantiques, les Circuits Quantiques Paramétrés avec prise en charge de déploiements faciles sur de véritables ordinateurs quantiques.
Ceci est le code source de unet-pytorch, vous pouvez entraîner vos propres modèles
[CVPR 2025] Apprentissage de champs de flux dans l'attention pour la génération d'images de personnes contrôlable
Ceci est un dépôt Pytorch de YOLOv4, attentive YOLOv4 et mobilenet YOLOv4 avec PASCAL VOC et COCO
Collection de notebooks Google Colaboratory pour des expériences rapides et faciles
Un guide de démarrage rapide et un benchmark pour l'entraînement distribué de PyTorch.
[NeurIPS 2023 Spotlight] LightZero: Un benchmark unifié pour la recherche arborescente Monte Carlo dans des scénarios généraux de prise de décision séquentielle (MCTS impressionnant)
Le dépôt de code officiel pour LeVo : Génération de chansons de haute qualité avec alignement multi-préférences
Générateurs de données synthétiques pour données tabulaires et séries temporelles
Une bibliothèque PyTorch et une plateforme d'évaluation pour la recherche sur la compression de bout en bout
Une implémentation officielle de DanceGRPO : Déchaîner GRPO sur la génération visuelle
Ce dépôt fournit du code pour des algorithmes d'apprentissage automatique destinés aux appareils edge développés à Microsoft Research India.