#pytorch Dépôts
1,936 dépôts au total
Code et modèles PyTorch pour l'apprentissage auto-supervisé V-JEPA à partir de vidéos.
[ICML 2024] Vision Mamba : Apprentissage efficace de représentations visuelles avec un modèle d'espace d'états bidirectionnel
Tutoriel d'introduction à PyTorch, adresse de lecture en ligne : https://datawhalechina.github.io/thorough-pytorch/
Codec audio de pointe basé sur l'apprentissage profond prenant en charge l'audio mono 24 kHz et l'audio stéréo 48 kHz.
FlagAI (Fast LArge-scale General AI models) est une boîte à outils rapide, facile à utiliser et extensible pour les modèles à grande échelle.
Deformable DETR : Transformeurs déformables pour la détection d'objets de bout en bout.
Une bibliothèque Python pour l’apprentissage auto-supervisé et les modèles de monde latents appliqués aux images.
Solutions NLP chinoises (grands modèles, données, modèles, entraînement, inférence)
Repo officiel HeartMuLa : Le modèle de génération musicale open-source le plus puissant de 2026
Implémentation la plus simple et fonctionnelle de Stylegan2, réseau antagoniste génératif de pointe, en PyTorch. Permettant à chacun de découvrir le disentanglement.
Une collection de méthodes scientifiques, de processus, d'algorithmes et de systèmes pour construire des histoires et des modèles.
Une liste d'articles sur les réseaux génératifs contradictoires (neuronaux)
Version améliorée des modèles probabilistes de diffusion par débruitage
Le dépôt fournit le code pour exécuter l'inférence avec le Modèle Audio Segment Anything de Meta (SAM-Audio), des liens pour télécharger les points de contrôle du modèle entraîné et des cahiers d'exemples montrant comment utiliser le modèle.
Une plateforme pour les systèmes de raisonnement (Apprentissage par renforcement, Bandits contextuels, etc.)
[ICLR 2025] Hallo2 : Animation de portraits pilotée par l'audio sur longue durée et haute résolution
GLIDE : un modèle de synthèse d'images conditionnel à base de diffusion piloté par le texte
🧠💬 Articles que j'ai écrits sur l'apprentissage automatique, archivés depuis MachineCurve.com.
Une bibliothèque PyTorch modulaire, axée sur les primitives et d'abord en Python pour l'apprentissage par renforcement.
Une bibliothèque pour accélérer les modèles Transformer sur les GPU NVIDIA, y compris l'utilisation de la précision flottante 8 bits et 4 bits (FP8 et FP4) sur les GPU Hopper, Ada et Blackwell, afin d'offrir de meilleures performances avec une utilisation de mémoire réduite en entraînement et en inférence.
[MLSys 2024 Best Paper Award] AWQ : Quantification des poids sensible à l'activation pour la compression et l'accélération des LLM
🔥🔥Bibliothèque de Reconnaissance Faciale Haute Performance sur PaddlePaddle & PyTorch🔥🔥
Chatbot continue d'avancer dans la voie des LLM, mettant à jour récemment les SLM avec un petit nombre de paramètres et des scripts d'entraînement pour prendre en charge l'entraînement local. Un nouveau ChatAgent a été ajouté pour implémenter divers Agents ayant une valeur scénaristique pratique.
Réseaux de neurones et apprentissage profond : études de cas et pratique, deuxième édition : 10 chapitres de pratique avec PyTorch, notebooks, tests et livre électronique.
Une bibliothèque d'apprentissage profond pour la recherche sur la compréhension vidéo.
Une implémentation de l'algorithme AlphaZero pour le Gomoku (également appelé Gobang ou Five in a Row)
Hummingbird compile des modèles ML entraînés en calcul tensoriel pour une inférence plus rapide.
[NeurIPS 2024] Code officiel pour PuLID : Personnalisation d'identité pure et rapide via alignement contrastif
Un modèle de langage autorégressif au niveau du caractère pour faire plus de choses
[CVPR19/TPAMI23] SiamMask : Un cadre pour le suivi et la segmentation rapides d'objets en ligne
🛠 IDE tout-en-un basé sur le web spécialisé en machine learning et data science.
PennyLane est une plateforme logicielle quantique open-source pour l’informatique quantique, l’apprentissage machine quantique et la chimie quantique. Créez des algorithmes quantiques significatifs, de l’inspiration à la mise en œuvre.
Accélérez l'inférence et l'entraînement de 🤗 Transformers, Diffusers, TIMM et Sentence Transformers avec des outils d'optimisation matérielle faciles à utiliser
Codebase officiel pour "Self Forcing: Bridging Training and Inference in Autoregressive Video Diffusion" (NeurIPS 2025 Spotlight)
StudioGAN est une bibliothèque Pytorch fournissant des implémentations de réseaux antagonistes génératifs (GAN) représentatifs pour la génération d'images conditionnelles/inconditionnelles.
Un petit package pour créer des visualisations de graphes d'exécution de PyTorch