#pytorch Repository
1,936 repository in totale
JARVIS, un sistema per connettere LLM con la community ML. Paper: https://arxiv.org/pdf/2303.17580.pdf
ncnn รจ un framework di inferenza per reti neurali ad alte prestazioni ottimizzato per piattaforme mobili
Una serie di esempi su Pytorch in Vision, Testo, Apprendimento per Rinforzo, ecc.
Audiocraft รจ una libreria per l'elaborazione e la generazione audio con deep learning. Include il compressore/tokenizer audio all'avanguardia EnCodec, insieme a MusicGen, un LM semplice e controllabile per la generazione musicale con condizionamento testuale e melodico.
Un elenco classificato di fantastiche librerie Python per il machine learning. Aggiornato settimanalmente.
ONNX Runtime: acceleratore per inferenza e addestramento ML cross-platform ad alte prestazioni
๐ค Il piรน grande hub di dataset pronti all'uso per modelli AI con strumenti di manipolazione dati veloci, facili da usare ed efficienti
FinGPT: Modelli linguistici di grandi dimensioni open-source per la finanza! Rivoluziona ๐ฅ Rilasciamo il modello addestrato su HuggingFace.
Il pytorch handbook รจ un libro open source, il cui obiettivo รจ aiutare gli amici che desiderano e utilizzano PyTorch per lo sviluppo e la ricerca in deep learning a iniziare rapidamente. Tutti i tutorial Pytorch inclusi sono stati testati e garantiscono un'esecuzione riuscita.
Kit di strumenti di riconoscimento vocale open source per training, inferenza, ASR in streaming, VAD, punteggiatura, pipeline di diarizzazione dei parlanti e servizio compatibile con OpenAI/MCP.
Il repository fornisce codice per eseguire l'inferenza con il Meta Segment Anything Model 2 (SAM 2), collegamenti per il download dei checkpoint del modello addestrato ed esempi di notebook che mostrano come utilizzare il modello.
Un framework flessibile per sperimentare ottimizzazioni di inferenza/fine-tuning di LLM eterogenei
Materiali per il corso "Learn PyTorch for Deep Learning: Zero to Mastery".
Benvenuti nel Llama Cookbook! Questa รจ la vostra guida di riferimento per la creazione con Llama: Introduzione all'inferenza, al fine-tuning e al RAG. Vi mostriamo anche come risolvere problemi end-to-end utilizzando la famiglia di modelli Llama e utilizzandoli su vari servizi provider.
Piattaforma AI privata per agenti, assistenti e ricerca aziendale. Agent Builder integrato, ricerca approfondita, analisi dei documenti, supporto multi-modello e connettivitร API per agenti.
[NeurIPS 2022] Verso un restauro robusto del volto cieco con Codebook Lookup Transformer
Una raccolta di varie architetture, modelli e suggerimenti di deep learning
Un elenco completo di contenuti relativi a Pytorch su GitHub, come diversi modelli, implementazioni, librerie di supporto, tutorial ecc.
pix2tex: Utilizzo di un ViT per convertire immagini di equazioni in codice LaTeX.
Burn รจ una libreria di tensori di nuova generazione e un framework di Deep Learning che non scende a compromessi su flessibilitร , efficienza e portabilitร .
Codice ufficiale per "F5-TTS: una fiaba che falsifica discorsi fluenti e fedeli con Flow Matching"
TensorRT LLM fornisce agli utenti un'API Python di facile utilizzo per definire Large Language Models (LLM) e supporta ottimizzazioni all'avanguardia per eseguire inferenze in modo efficiente sulle GPU NVIDIA. TensorRT LLM contiene anche componenti per creare runtime Python e C++ che orchestrano l'esecuzione dell'inferenza in modo performante.
Lo Scienziato AI: Verso la scoperta scientifica aperta completamente automatizzata ๐งโ๐ฌ
Impara l'ingegneria ML gratuitamente in 4 mesi! Registrati qui ๐๐ผ
Una ricostruzione teorica dell'architettura del Mythos di Claude, costruita dai primi principi utilizzando la letteratura di ricerca disponibile.
Tutorial sull'Elaborazione del Linguaggio Naturale per Ricercatori di Deep Learning
RWKV (pronunciato RwaKuv) รจ un RNN con ottime prestazioni LLM, che puรฒ anche essere addestrato direttamente come un transformer GPT (parallelizzabile). Siamo a RWKV-7 "Goose". Quindi combina il meglio di RNN e transformer - ottime prestazioni, tempo lineare, spazio costante (nessuna cache kv), addestramento veloce, ctx_len infinito e embedding di frasi gratuito.
Framework per l'addestramento distribuito per TensorFlow, Keras, PyTorch e Apache MXNet.
Script di deep learning all'avanguardia organizzati per modelli - facili da addestrare e distribuire con accuratezza e prestazioni riproducibili su infrastruttura di livello enterprise.