#pytorch Dépôts
1,936 dépôts au total
Inférence et Découverte Causales en Python par Packt Publishing
Un dict[str, torch.Tensor] qui se comporte comme un seul tenseur, et TensorClass : des classes de données typées et regroupées par lots qui se compilent.
Hiera : Un transformeur de vision hiérarchique rapide, puissant et simple.
Application de démarrage pour PC IA pour la création d'images IA, la stylisation d'images et le chatbot sur un PC alimenté par un GPU Intel® Arc™.
SPAR3D: Reconstruction stable et consciente des points d'objets 3D à partir d'images uniques
RepViT : Revoir les CNN mobiles du point de vue ViT [CVPR 2024] et RepViT-SAM : Vers la segmentation en temps réel de n'importe quoi
Un framework d'ensemble unifié pour PyTorch pour améliorer les performances et la robustesse de votre modèle d'apprentissage profond.
Outils et frameworks complets pour le développement de modèles fondamentaux adaptés aux systèmes de recommandation.
Codes sources pour le livre "Reinforcement Learning: Theory and Python Implementation"
Un modèle généraliste transparent pour une compréhension holistique vision-langage médicale
Tutel MoE : bibliothèque optimisée de mélange d’experts, prenant en charge GLM/Kimi/GPT/DeepSeek/Qwen avec FP8/NVFP4/MXFP4
[TPAMI 2026] ConsistentID : Génération de portraits avec préservation d'identité fine granulaire multimodale
[IROS 2024] Apprentissage de la téléopération en temps réel de tout le corps de l'humain au robot humanoïde. [CoRL 2024] OmniH2O : Téléopération et apprentissage universels et dextres de tout le corps de l'humain au robot humanoïde
Environnements d'apprentissage par renforcement pour Omniverse Isaac Gym
une implémentation de l'interpolation de trames vidéo via convolution séparable adaptative utilisant PyTorch
[ICLR 2025 Présentation Orale] Diffusion par Blocs : Interpolation entre les modèles de langage autorégressifs et de diffusion
Référentiel rapide et simple pour le pré-entraînement et le réglage fin des modèles de style T5
UNetFormer : un transformeur de type UNet pour la segmentation sémantique efficace d'images de scènes urbaines de télédétection, ISPRS. De plus, d'autres transformeurs de vision et CNN sont inclus pour la segmentation d'images satellites, aériennes et d'images d'UAV.
Une implémentation d'un test de plage de taux d'apprentissage en PyTorch
Un solveur rapide et différentiable de contrôle prédictif par modèle (MPC) pour PyTorch.
Un outil pour convertir les fichiers ONNX en LiteRT/TFLite/TensorFlow, code natif PyTorch (nn.Module), TorchScript (.pt), state_dict (.pt), Exported Program (.pt2) et Dynamo ONNX. Il prend également en charge la conversion directe de LiteRT vers PyTorch.
Modèles légers pour la segmentation sémantique en temps réel sur PyTorch (incluant SQNet, LinkNet, SegNet, UNet, ENet, ERFNet, EDANet, ESPNet, ESPNetv2, LEDNet, ESNet, FSSNet, CGNet, DABNet, Fast-SCNN, ContextNet, FPENet, etc.)
Apprentissage métrique et pipelines de récupération, modèles et zoo.
Un DSL intégré à Python qui facilite l'écriture de noyaux ML rapides et évolutifs avec un minimum de code passe-partout.
AugMix : Une méthode simple de traitement des données pour améliorer la robustesse et l'incertitude
Publication officielle du code pour [SIGGRAPH 2025] RenderFormer : Rendu neuronal basé sur Transformer de maillages triangulaires avec éclairage global
Ce custom_node pour ComfyUI ajoute la "mémoire virtuelle" en un clic pour tout chargeur UNet et CLIP, ainsi que l'intégration MultiGPU dans WanVideoWrapper, gérant le déchargement/échange de blocs des couches vers la DRAM *ou* la VRAM pour maximiser l'espace latent de votre carte. Comprend également des nœuds pour charger directement des composants entiers (UNet, CLIP, VAE) sur l'appareil de votre choix.
Planificateur de Taux d'Apprentissage avec Échauffement Progressif pour PyTorch
[SIGGRAPH'22] StyleGAN-XL : Mise à l'échelle de StyleGAN sur de grands ensembles de données diversifiés