#pytorch Repositórios
Descubra 1,936 repositórios ativos de código aberto no GitHub marcados com #pytorch, acumulando um total de 7,737,223 estrelas (uma média de 3,996 por projeto). O líder deste tópico é huggingface/transformers, com 169,339 estrelas.
1,936 repositórios no total
🤗 Transformers: a estrutura de definição de modelos para modelos de machine learning de última geração em texto, visão, áudio e modelos multimodais, tanto para inferência quanto para treinamento.
A GUI, API e backend de modelos de difusão mais poderosos e modulares, com uma interface de gráficos/nós. O mecanismo de inferência local mais rápido do mundo.
Implementar um LLM semelhante ao ChatGPT em PyTorch do zero, passo a passo
Um motor de inferência e serviço para LLMs de alto rendimento e eficiente em memória
🧑🏫 Mais de 60 implementações/tutoriais de artigos de deep learning com notas lado a lado 📝; incluindo transformers (original, xl, switch, feedback, vit, ...), otimizadores (adam, adabelief, sophia, ...), gans (cyclegan, stylegan2, ...), 🎮 aprendizado por reforço (ppo, dqn), capsnet, destilação, ... 🧠
Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — deteção de objetos, segmentação de instâncias, segmentação semântica, classificação de imagens, estimativa de pose e rastreamento de objetos
Clone uma voz em 5 segundos para gerar fala arbitrária em tempo real
Ultralytics YOLOv5 no PyTorch para detecção de objetos, segmentação de instâncias, classificação, treinamento e exportação.
O repositório fornece código para executar inferência com o SegmentAnything Model (SAM), links para download dos checkpoints do modelo treinado e notebooks de exemplo que mostram como usar o modelo.
Aprenda a desenvolver, implantar e iterar em aplicativos de ML de nível de produção.
Ray é um motor de computação de IA. O Ray consiste em um runtime distribuído central e um conjunto de Bibliotecas de IA para acelerar cargas de trabalho de ML.
🐸💬 - um kit de ferramentas de aprendizagem profunda para Text-to-Speech, testado em pesquisa e produção
DeepSpeed é uma biblioteca de otimização de aprendizado profundo que torna o treinamento e a inferência distribuídos fáceis, eficientes e eficazes.
VoxCPM2: TTS sem Tokenizador para Geração de Fala Multilíngue, Design de Voz Criativo e Clonagem Fiel à Vida Real
GFPGAN visa desenvolver algoritmos práticos para restauração de rostos no mundo real.
A maior coleção de codificadores/backbones de imagem PyTorch. Incluindo scripts de treino, avaliação, inferência, exportação e pesos pré-treinados -- ResNet, ResNeXt, EfficientNet, NFNet, Vision Transformer (ViT), MobileNetV4, MobileNet-V3 & V2, RegNet, DPN, CSPNet, Swin Transformer, MaxViT, CoAtNet, ConvNeXt, e mais
Motor de decisões System 1 não autorregressivo. Executa decisões tipadas de escolha, pontuação e sim/não sobre qualquer texto em uma única passagem direta, em mais de 100 idiomas, com um roteador que seleciona o checkpoint correto para cada solicitação.
TimesFM (Time Series Foundation Model) é um modelo de fundação de séries temporais pré-treinado desenvolvido pelo Google Research para a previsão de séries temporais.
Detectron2 é uma plataforma para detecção de objetos, segmentação e outras tarefas de reconhecimento visual.
🤗 Diffusers: Modelos de difusão de ponta para geração de imagem, vídeo e áudio em PyTorch.
O Real-ESRGAN tem como objetivo desenvolver Algoritmos Práticos para a Restauração Geral de Imagens/Vídeos.
Visualizador para modelos de redes neurais, aprendizado profundo e aprendizado de máquina
Kit de ferramentas de Sequência-para-Sequência da Facebook AI Research, escrito em Python.
Pré-treine, ajuste fino QUALQUER modelo de IA de QUALQUER tamanho em 1 ou 10.000+ GPUs com zero alterações de código.
OCR pronto a usar com mais de 80 idiomas suportados e todos os principais sistemas de escrita, incluindo Latim, Chinês, Árabe, Devanágari, Cirílico e etc.
🤗 LeRobot: Tornando a IA para Robótica mais acessível com aprendizagem de ponta a ponta
Livro interativo de aprendizado profundo com código de múltiplos frameworks, matemática e discussões. Adotado em 500 universidades de 70 países, incluindo Stanford, MIT, Harvard e Cambridge.
aprendizagem profunda para processamento de imagem, incluindo classificação e detecção de objetos, etc.
Códigos de código aberto para MiniGPT-4 e MiniGPT-v2 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)
Perguntas Frequentes
Qual é o repositório de #pytorch mais popular no GitHub?
O projeto de código aberto de #pytorch mais bem classificado no GitHub é huggingface/transformers, com 169,339 estrelas. 🤗 Transformers: a estrutura de definição de modelos para modelos de machine learning de última geração em texto, visão, áudio e modelos multimodais, tanto para inferência quanto para treinamento.
Quais linguagens de programação são mais usadas nos repositórios de #pytorch?
Entre os projetos de #pytorch mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, JavaScript.
Como é calculada a classificação dos repositórios de #pytorch?
Acompanhamos 1,936 repositórios ativos de código aberto marcados com #pytorch (com mais de 500 estrelas), totalizando 7,737,223 estrelas e uma média de 3,996 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.