#pytorch Repository
1,936 repository in totale
Repository per il programma Nanodegree in Deep Reinforcement Learning
Modelli pre-addestrati PyTorch per rilevamento del viso (MTCNN) e riconoscimento facciale (InceptionResnet)
Codice per il libro Deep Learning with PyTorch di Eli Stevens, Luca Antiga e Thomas Viehmann.
cube studio Piattaforma AI Open-Source Cloud-Native One-Stop per Machine Learning/Deep Learning/Grandi Modelli, MLOps Flusso completo del link algoritmico, Piattaforma di noleggio di capacitร computazionale, Sviluppo online Notebook, Orchestrazione di pipeline di flusso di task drag-and-drop, Addestramento distribuito multi-macchina multi-GPU, Ricerca di iperparametri, Virtualizzazione VGPU del servizio di inferenza, Edge Computing, Annotazione automatizzata della piattaforma di annotazione, Fine-tuning SFT di grandi modelli/Modello di ricompensa/Addestramento di apprendimento per rinforzo di Deepseek, Inferenza multi-macchina di grandi modelli come vLLM/Ollama/MindSpore, Knowledge Base privata, Mercato di modelli AI, Supporto per CPU/GPU/NPU domestici ecosistema Ascend, Supporto per RDMA, Supporto per framework distribuiti come PyTorch/TF/MXNet/DeepSpeed/Paddle/ColossalAI/Horovod/Ray/Volcano
Implementazione PyTorch per Semantic Segmentation/Scene Parsing sul dataset MIT ADE20K
Torchreid: Identificazione di persone con deep learning in PyTorch.
๐ Un curriculum open-source e hands-on che colma il divario dai concetti base di RL all'allineamento LLM, RLVR e sistemi Agentic avanzati.
Codice e modelli PyTorch per l'apprendimento auto-supervisionato da video VJEPA2.
ร mia convinzione che voi, studenti laureati e persone in cerca di lavoro per cui il libro รจ principalmente destinato, ne trarrete beneficio; tuttavia, spero che anche i ricercatori piรน esperti lo troveranno affascinante.
Una libreria PyTorch per l'implementazione di algoritmi di flow matching, con implementazioni di flow matching continue e discrete. Include esempi pratici per le modalitร testuali e di immagine.
Memoria condizionale tramite ricerca scalabile: Un nuovo asse di sparsitร per i grandi modelli linguistici
Libreria di alto livello per aiutare nell'addestramento e nella valutazione di reti neurali in PyTorch in modo flessibile e trasparente.
๐ฅ LeetCode per PyTorch โ esercitati a implementare softmax, attention, GPT-2 e altro da zero con correzione automatica istantanea. Basato su Jupyter, self-hosted o prova online.
[NeurIPS 2023] Implementazione ufficiale del paper "Segment Everything Everywhere All at Once"
Meta Lingua: una codebase snella, efficiente e facile da modificare per la ricerca sugli LLM.
Un repository per l'addestramento distribuito di modelli linguistici con Reinforcement Learning tramite Human Feedback (RLHF)
Esercitazione su cifar100(ResNet, DenseNet, VGG, GoogleNet, InceptionV3, InceptionV4, Inception-ResNetv2, Xception, Resnet In Resnet, ResNext,ShuffleNet, ShuffleNetv2, MobileNet, MobileNetv2, SqueezeNet, NasNet, Residual Attention Network, SENet, WideResNet)
Un repository per l'archiviazione di modelli che sono stati convertiti tra vari framework. I framework supportati sono TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite (Float32/16/INT8), EdgeTPU, CoreML.
Che tu sia un principiante assoluto, che si tratti di applicazioni di progetto in CV, NLP, LLM, o di implementazione ingegeristica avanzata, troverai tutto in ยซTutorial pratico su PyTorchยป (Seconda edizione). Crediamo che con l'aiuto di questo libro, i lettori saranno in grado di padroneggiare facilmente l'uso di PyTorch e diventare eccellenti ingegneri di deep learning.
PointNet e PointNet++ implementati con PyTorch (Python puro) e su ModelNet, ShapeNet e S3DIS.
TNN: sviluppato da Tencent Youtu Lab e Guangying Lab, un framework di inferenza deep learning uniforme per dispositivi mobili, desktop e server. TNN si distingue per diverse caratteristiche eccezionali, tra cui la capacitร multipiattaforma, le elevate prestazioni, la compressione dei modelli e la potatura del codice. Basato su ncnn e Rapidnet, TNN rafforza ulteriormente il supporto e l'ottimizzazione delle prestazioni per i dispositivi mobili, attingendo anche ai vantaggi di buona estensibilitร e alte prestazioni dagli sforzi open source esistenti.
Latent Consistency Models: Synthesizing High-Resolution Images with Few-Step Inference
Tutorial per iniziare con PyTorch e TorchText per l'analisi del sentiment.
Tengine รจ un motore di inferenza leggero, ad alte prestazioni e modulare per dispositivi embedded.
Una libreria per il machine learning scientifico e l'apprendimento informato dalla fisica
Toolkit di valutazione open-source per modelli multimodali di grandi dimensioni (LMM), supporta 220+ LMM, 80+ benchmark
[EMNLP 2022] Un toolkit aperto per l'estrazione e la costruzione di grafi di conoscenza
Fondamenti di Machine Learning: Algebra Lineare, Calcolo, Statistica e Informatica