#pytorch Dépôts
1,936 dépôts au total
Revisiter les modèles pré-entraînés pour le traitement du langage naturel chinois (MacBERT)
[ECCV2024 - Oral, Candidat au Prix du Meilleur Article] SEA-RAFT : RAFT simple, efficace et précis pour le flux optique
Implémentation PyTorch de JointBERT : "BERT for Joint Intent Classification and Slot Filling"
Évaluation automatique unifiée de la qualité pour la parole, la musique et les sons.
[CVPR 2025 Highlight] Implémentation officielle de "MangaNinja : Colorisation d'art linéaire avec suivi précis de référence"
Implémentation rapide CUDA du soft dynamic time warping (différentiable) pour PyTorch
Prend en charge PointRend, Fast_SCNN, HRNet, Deeplabv3_plus(xception, resnet, mobilenet), ContextNet, FPENet, DABNet, EdaNet, ENet, Espnetv2, RefineNet, UNet, DANet, HRNet, DFANet, HardNet, LedNet, OCNet, EncNet, DuNet, CGNet, CCNet, BiSeNet, PSPNet, ICNet, FCN, deeplab
Affinage fin de réseaux de neurones convolutifs pré-entraînés avec PyTorch
DDPO pour le réglage fin des modèles de diffusion, implémenté dans PyTorch avec prise en charge de LoRA
Régression de boîtes englobantes avec incertitude pour une détection précise d'objets (CVPR'19)
Un simulateur FDTD électromagnétique 3D écrit en Python avec support GPU optionnel
Dépôt modèle pour construire des projets PyTorch à partir de la source sur n'importe quelle version de PyTorch/CUDA/cuDNN.
Entraînons des transformers de vision (ViT) pour CIFAR-10/CIFAR-100/ImageNet
Notes d'étude personnelles sur l'apprentissage profond et cahiers de style tutoriel
BiomedParse : Un modèle de base pour la segmentation, la détection et la reconnaissance conjointes d'objets biomédicaux à travers neuf modalités
Implémentation non officielle de "TTNet : Analyse temporelle et spatiale en temps réel de vidéos de tennis de table" (CVPR 2020)
RankLLM est une boîte à outils Python pour la recherche reproductible en récupération d'informations utilisant des rerankers, axée sur le reranking par liste.
PyTorch Dual-Attention LSTM-Autoencodeur pour séries temporelles multivariées
Inspectez, visualisez et intervenez sur n’importe quelle opération dans n’importe quel réseau neuronal. Capturez chaque activation et chaque gradient, le graphe de calcul complet et plus de 800 champs de métadonnées, sans modifier le code du modèle. Compatible avec PyTorch, JAX, TensorFlow, MLX, PaddlePaddle et tinygrad. Validé sur plus de 6 400 modèles. Conçu pour les chercheurs et leurs agents d’IA.
Code officiel pour "Boundary loss for highly unbalanced segmentation", deuxième du prix du meilleur article à MIDL 2019. Version étendue dans MedIA, volume 67, janvier 2021.
Une reproduction de l'article sur l'apprentissage imbriqué de GDM
Fichiers de démarrage RL afin de former, visualiser et évaluer un agent immédiatement sans écrire une seule ligne de code.
Un framework ML sans dépendances en C avec une API Python moderne pour un contrôle total sur l'exécution et la mémoire.
DifFace : Restauration aveugle de visages avec contraction d'erreurs diffusées (TPAMI, 2024)
[ECCV 2020] Apprentissage de caractéristiques enrichies pour la restauration et l'amélioration d'images réelles. Résultats SOTA pour le débruitage d'images, la super-résolution et l'amélioration d'images.
Notes de projet + Reproduction d'articles + Compétitions algorithmiques + Pratique PyTorch + LeetCode + Pré-entraînement VLM
[CVPR 2026 Mise en Avant] Implémentations Officielles pour l'Article - HoloCine : Génération Holistique de Narratives Vidéo Longues Multi-Shots Cinématographiques
ReST-MCTS*: Auto-formation de LLM via la recherche arborescente guidée par récompense de processus (NeurIPS 2024)