#pytorch Repository
1,936 repository in totale
[ECCVW 2022] I codici per il lavoro "Swin-Unet: Transformer puro simile a Unet per la segmentazione di immagini mediche"
YOLO5Face: Perchรฉ reinventare un rilevatore di volti (https://arxiv.org/abs/2105.12931) Workshop ECCV 2022)
Algoritmi ML 2-2000x piรน veloci, 50% in meno di utilizzo della memoria, funziona su tutti i hardware - nuovi e vecchi.
Grandi Modelli Concettuali: Modellazione del linguaggio nello spazio di rappresentazione delle frasi
V-Express mira a generare un video di una testa parlante sotto il controllo di un'immagine di riferimento, un audio e una sequenza di immagini V-Kps.
Objectron รจ un dataset di clip video brevi e centrate sugli oggetti. Inoltre, i video contengono anche metadati di sessione AR, inclusi pose della fotocamera, nuvole di punti sparse e piani. In ogni video, la fotocamera si muove intorno e sopra l'oggetto e lo cattura da diverse viste. Ogni oggetto รจ annotato con una bounding box 3D. La bounding box 3D descrive la posizione, l'orientamento e le dimensioni dell'oggetto. Il dataset contiene circa 15K clip video annotate e 4M immagini annotate nelle seguenti categorie.
Un sampler per dataset sbilanciati (PyTorch) per l'oversampling delle classi a bassa frequenza e l'undersampling delle classi ad alta frequenza.
๐ Monitora l'addestramento del modello di deep learning e l'utilizzo dell'hardware dal tuo telefono cellulare ๐ฑ
Una piattaforma per la ricerca e la valutazione riproducibile dei modelli del mondo
DocLayout-YOLO: Miglioramento dell'analisi del layout dei documenti attraverso dati sintetici diversi e percezione adattiva globale-locale
Codice per "GVHMR: World-Grounded Human Motion Recovery via Gravity-View Coordinates", Siggraph Asia 2024, TPAMI 2026
Un benchmark eterogeneo per il recupero delle informazioni. Facile da usare, valuta i tuoi modelli su oltre 15 diversi set di dati IR.
detrex รจ una piattaforma di ricerca per il rilevamento di oggetti basato su DETR, la segmentazione, la stima della posa e altri compiti di riconoscimento visivo.
Libreria PyTorch di deep learning per previsione di serie temporali, classificazione e rilevamento di anomalie (originariamente per previsione di alluvioni).
Mappe di attivazione di classe per i tuoi modelli PyTorch (CAM, Grad-CAM, Grad-CAM++, Smooth Grad-CAM++, Score-CAM, SS-CAM, IS-CAM, XGrad-CAM, Layer-CAM, Finer-CAM, LeGrad, RefineCAM)
Codice ufficiale per l'articolo CVPR 2022 (orale) "Extracting Triangular 3D Models, Materials, and Lighting From Images".
VeOmni: Scalare l'addestramento di modelli di qualsiasi modalitร con una libreria distribuita di ricette incentrata sul modello
Implementazione di OpenPose in PyTorch inclusa la stima della posa delle mani e del corpo.
ICCV2019 - Imparare a Dipingere con Deep Reinforcement Learning Basato su Modelli
HiFi-GAN: Reti Generative Avversarie per una Sintesi Vocale Efficiente e ad Alta Fedeltร
Framework di addestramento distribuito minimalista 4D-parallelismo per scopi didattici
Molti studi hanno dimostrato che le prestazioni sul deep learning sono significativamente influenzate dal volume dei dati di addestramento. Il progetto MedicalNet fornisce una serie di modelli pre-addestrati 3D-ResNet e il codice relativo.
Implementazione minima della politica di approssimazione con obiettivo ritagliato (PPO) in PyTorch
repository ufficiale del modello linguistico di grandi dimensioni per codice aiXcoder-7B
Una libreria per addestrare e distribuire modelli di machine learning su Amazon SageMaker
micronet, una libreria per compressione e deployment di modelli. Compressione: 1ใQuantizzazione: training-aware quantization(QAT), High-Bit(>2b)(DoReFa/Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference)ใLow-Bit(โค2b)/Ternario e Binario(TWN/BNN/XNOR-Net); quantizzazione post-training(PTQ), 8-bit(tensorrt); 2ใpotatura: normaleใregolare e potatura di canali convoluzionali di gruppo; 3ใstruttura di convoluzione di gruppo; 4ใfusione di normalizzazione batch per quantizzazione. Deployment: tensorrt, fp32/fp16/in
Una serie di notebook Jupyter che ti guidano attraverso i fondamenti di Machine Learning e Deep Learning in Python utilizzando le librerie Scikit-Learn, PyTorch e Hugging Face.
label-smooth, amsoftmax, partial-fc, focal-loss, triplet-loss, lovasz-softmax. Forse utile
Raccolta di codice comune condiviso tra diversi progetti di ricerca del team FAIR computer vision.
Corridor Key 2.0 per tutte le tue esigenze di green screen e blue screen
Una libreria e framework open source per il deep learning su immagini satellitari e aeree.
Rete Neurale Convoluzionale (CNN) Pytorch 3D U-Net progettata per la segmentazione di immagini mediche
Codice per l'articolo ICLR 2023 "GPTQ: Accurate Post-training Quantization of Generative Pretrained Transformers".
Il repository ufficiale per [NeurIPS'22] "ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation" e [TPAMI'23] "ViTPose++: Vision Transformer for Generic Body Pose Estimation"
Stima rapida e precisa della posa umana in PyTorch. Contiene l'implementazione dell'articolo "Real-time 2D Multi-Person Pose Estimation on CPU: Lightweight OpenPose".
Questo pacchetto contiene modelli di deep learning e script correlati per RoseTTAFold
SpikingJelly รจ un framework di deep learning open-source per Spiking Neural Network (SNN) basato su PyTorch.