#pytorch Dépôts
1,936 dépôts au total
TRAM : Trajectoire et mouvement globaux d'humains 3D à partir de vidéos "in-the-wild"
Accélérez l'entraînement du modèle en corrigeant le chargement des données.
Détecteurs, Trackers et SAM de vision par ordinateur faciles et modulaires - Exécutez YOLOv9,v8,v7,v6,v5,R,X en moins de 10 lignes de code.
Une implémentation de l'encodage positionnel 1D, 2D et 3D dans Pytorch et TensorFlow
🎉 PILOT : Une boîte à outils pour l'apprentissage continu basée sur des modèles pré-entraînés
[CVPR 2024 Highlight] Feature 3DGS : Supercharger le splatting gaussien 3D pour permettre des champs de caractéristiques distillés
[CVPR 2024] Publication du code pour "InstanceDiffusion : Contrôle au niveau de l'instance pour la génération d'images"
Implémentation d'UltraPixel : Faire progresser la synthèse d'images ultra-haute résolution vers de nouveaux sommets
[ICML 2024] 3D-VLA : Un modèle génératif du monde pour la vision 3D, le langage et l'action
Optimisation de l'entraînement et de l'inférence d'AlphaFold sur des clusters GPU
[SuperGlue : apprentissage de la mise en correspondance de caractéristiques avec des réseaux de neurones sur graphes] Ce dépôt contient du code PyTorch pour entraîner le réseau de mise en correspondance SuperGlue à partir de points clés et de descripteurs SIFT.
En tant que composant central de la communauté Huawei Ascend pour PyTorch, TorchNPU est un plug-in d’adaptation au deep learning développé par Ascend pour PyTorch. Il permet au framework PyTorch d’utiliser directement les NPU Ascend et met à la disposition des développeurs la puissante capacité de calcul des processeurs d’IA Ascend.
Un réseau de reconnaissance de la démarche multi-vue flexible, efficace et rapide
Framework qui permet le réglage fin des modèles d'ancrage vision-langage sur des ensembles de données personnalisés
Implémentation open source de **MV-DUSt3R+ Reconstruction de scène mono-étape à partir de vues éparses en 2 secondes** de Meta Reality Labs. Page du projet https://mv-dust3rp.github.io/
Une bibliothèque d'amélioration des invites pour les systèmes d'intégration de texte de type transformateur
Un sous-ensemble des modules de réseau neuronal de PyTorch, écrits en Python à l'aide de Triton d'OpenAI.
Outils pour comprendre comment les prédictions des transformeurs sont construites couche par couche
Un Benchmark de Classification de Texte en PyTorch
[CVPR 2025 Highlight] Matrix3D: Large Photogrammetry Model All-in-One
Créez des modèles d'IA haute performance avec des blocs de construction modulaires
Une référence en apprentissage automatique des décalages de distribution dans la nature, avec des chargeurs de données, des évaluateurs et des modèles par défaut.
L'implémentation Pytorch pour la classification sonore prend en charge EcapaTdnn, PANNS, TDNN, Res2Net, ResNetSE et d'autres modèles, ainsi qu'une variété de méthodes de prétraitement.
Une implémentation du modèle BERT et de ses tâches en aval associées basée sur le framework PyTorch. @跟我学机器学习
Code PyTorch pour l'article "FIERY: Future Instance Segmentation in Bird's-Eye view from Surround Monocular Cameras"
Dépôt de l'article « A Systematic Evaluation of Deep Anomaly Detection Methods for Time Series ».
Augmentation d’images pour la vision par ordinateur. Licence AGPL-3.0 uniquement ou licence commerciale.
Une autre implémentation PyTorch de Stable Diffusion (probablement facile à lire)
[Affiche ICLR 2022] Implémentation PyTorch officielle de "Rethinking Network Design and Local Geometry in Point Cloud: A Simple Residual MLP Framework"
Anno-Mage : Un outil d'annotation d'images semi-automatique qui vous aide à annoter des images en vous suggérant des annotations à l'aide d'étiquettes définies par l'utilisateur
Une implémentation modulaire efficace d'association d'objets avec des Transformers pour la segmentation d'objets vidéo dans PyTorch
Bibliothèque Python pour entraîner des réseaux neuronaux avec un fort accent sur les applications hydrologiques.
Code de synthèse de transformation d'âge de durée de vie
Réimplémentation en PyTorch de "Generating Sentences from a Continuous Space" par Bowman et al. 2015 https://arxiv.org/abs/1511.06349
Système basé sur les spans pour l'extraction d'entités nommées, de relations et d'événements.
MotionStream : Génération vidéo en temps réel avec contrôles de mouvement interactifs
[CVPR 2022] MHFormer : Transformateur à Hypothèses Multiples pour l'Estimation de la Pose Humaine 3D
Réseau neuronal graphique spectral et temporel (StemGNN en abrégé) pour la prévision de séries temporelles multivariées