#pytorch Repository
1,936 repository in totale
MACE โ Potenziali interatomici di apprendimento automatico veloci e accurati con passaggio di messaggi equivarianti di ordine superiore.
Questo repository fornisce il codice e i checkpoint del modello per i progetti di ricerca AIMv1 e AIMv2.
Codice sorgente e dataset per il paper ACL 2019 "ERNIE: Enhanced Language Representation with Informative Entities"
Implementazione dell'Apprendimento Efficiente in Comunicazione di Reti Profonde da Dati Decentralizzati
Un pacchetto flessibile per multimodal-deep-learning per combinare dati tabulari con testo e immagini utilizzando modelli Wide e Deep in Pytorch
(CVPR 2025) Da lenti modelli di diffusione video bidirezionali a veloci autoregressivi
๐ธ Usa transformer preaddestrati come BERT, XLNet e GPT-2 in spaCy
Framework basato su Pytorch per la risoluzione di problemi di ottimizzazione vincolata parametrica, identificazione di sistemi basata sulla fisica e controllo predittivo di modello parametrico.
Repository ufficiale dell'ottimizzazione evolutiva delle ricette di fusione dei modelli
FireRed-Image-Edit รจ un potente modello di base per l'editing di immagini che raggiunge le prestazioni all'avanguardia open-source con un preciso seguito delle istruzioni, generazione ad alta fedeltร , eccellente coerenza di identitร e fusione multi-elemento senza soluzione di continuitร .
[CVPR 2025] Hallo3: Animazione di immagini di ritratti altamente dinamica e realistica con Video Diffusion Transformer
Calcola il requisito di memoria GPU/token per qualsiasi LLM. Supporta la quantizzazione llama.cpp/ggml/bnb/QLoRA
Crea, addestra, ottimizza ed esegui modelli di computer vision localmente, dalle immagini grezze allโinferenza in tempo reale. Open source e ottimizzato per Intelยฎ XPU (supporta anche CUDA).
Implementazione ufficiale del paper "MonST3R: Un approccio semplice per la stima della geometria in presenza di movimento"
[pip install medmnist] 18 set di dati standardizzati per la classificazione di immagini biomediche 2D e 3D
Framework modulare di Deep Reinforcement Learning in PyTorch. Libreria companion del libro "Foundations of Deep Reinforcement Learning".
Addestramento scalabile e ottimizzato per la memoria dei modelli di diffusione
[ICLR'23 Spotlight๐ฅ] Il primo pre-training di successo in stile BERT/MAE su qualsiasi rete convoluzionale; Impl. Pytorch di "Designing BERT for Convolutional Networks: Sparse and Hierarchical Masked Modeling"
Implementazioni minimali e annotate delle idee chiave della moderna ricerca sul deep learning.
PoolFormer: MetaFormer รจ in realtร ciรฒ di cui hai bisogno per la visione (CVPR 2022 Orale)
[CVPR 2021] Ripristino progressivo multistadio dell'immagine. Risultati SOTA per la rimozione di sfocatura, pioggia e rumore dall'immagine.
Una libreria veloce e sovrapposta alla comunicazione per il parallelismo tensore/esperto su GPU.
Un toolkit fondamentale progettato per la generazione di musica, canzoni e audio
Framework probabilistico per la previsione di serie temporali basato su PyTorch e backend GluonTS
Implementazione corretta di ResNet-s per CIFAR10/100 in PyTorch che corrisponde alla descrizione del paper originale.
Ricerca sull'architettura DeepSeek Engram basata su Qwen-3 e la serie Stable Diffusion.
Costruzione di robot per scopi generali basati su modelli fondazionali incarnati
Rilevamento e riconoscimento facciale con deep learning, implementato con PyTorch. (Rilevamento e riconoscimento facciale implementato con PyTorch)
BatchNorm Attivato In-Place per l'Addestramento Ottimizzato per la Memoria di DNN
Repository ufficiale Pytorch per la compressione estrema di Large Language Models tramite quantizzazione additiva https://arxiv.org/pdf/2401.06118.pdf e PV-Tuning: Oltre la stima diretta per la compressione estrema di LLM https://arxiv.org/abs/2405.14852
Questo progetto utilizza una varietร di modelli avanzati di riconoscimento vocale come EcapaTdnn, ResNetSE, ERes2Net, CAM++ ecc. Non si esclude che in futuro verranno supportati altri modelli. Allo stesso tempo, questo progetto supporta anche i metodi di pre-elaborazione dei dati MelSpectrogram e Spectrogram.