#pytorch Repositórios
1,936 repositórios no total
MACE - Potenciais interatômicos de aprendizado de máquina rápidos e precisos com passagem de mensagens equivariante de ordem superior.
Este repositório fornece o código e os checkpoints do modelo para os projetos de pesquisa AIMv1 e AIMv2.
Código-fonte e conjunto de dados para o artigo da ACL 2019 "ERNIE: Enhanced Language Representation with Informative Entities"
Implementação de Aprendizagem Eficiente em Comunicação de Redes Profundas a Partir de Dados Descentralizados
Um pacote flexível para aprendizado profundo multimodal para combinar dados tabulares com texto e imagens usando modelos Wide and Deep no Pytorch
(CVPR 2025) De Modelos de Difusão de Vídeo Bidirecionais Lentos a Autorregressivos Rápidos
🛸 Use transformadores pré-treinados como BERT, XLNet e GPT-2 no spaCy
Framework baseado em Pytorch para a resolução de problemas de otimização paramétrica restrita, identificação de sistemas informada pela física e controle preditivo paramétrico baseado em modelo.
Caixa de Ferramentas e Padrão de Avaliação de Modelo Paramétrico Humano 3D OpenMMLab
Repositório oficial de Otimização Evolucionária de Receitas de Fusão de Modelos
FireRed-Image-Edit é um poderoso modelo de base para edição de imagens que alcança desempenho de ponta open-source com seguimento preciso de instruções, geração de alta fidelidade, consistência superior de identidade e fusão perfeita de múltiplos elementos.
VGGSfM: Estrutura Profunda de Movimento Fundamentada em Geometria Visual
[CVPR 2025] Hallo3: Animação de Imagem de Retrato Altamente Dinâmica e Realista com Video Diffusion Transformer
Calcule os requisitos de token/s e memória de GPU para qualquer LLM. Suporta quantização llama.cpp/ggml/bnb/QLoRA
Crie, treine, otimize e execute modelos de visão computacional localmente, desde imagens brutas até inferência em tempo real. Código aberto, otimizado para Intel® XPU (CUDA também é compatível).
Implementação Oficial do artigo "MonST3R: Uma Abordagem Simples para Estimar Geometria na Presença de Movimento"
[pip install medmnist] Conjuntos de Dados Padronizados 18x para Classificação de Imagens Biomédicas 2D e 3D
Framework modular de aprendizado por reforço profundo em PyTorch. Biblioteca complementar do livro "Foundations of Deep Reinforcement Learning".
[Destaque ICLR'23🔥] O primeiro pré-treinamento bem-sucedido no estilo BERT/MAE em qualquer rede convolucional; Implementação em Pytorch de "Projetando BERT para Redes Convolucionais: Modelagem Mascarada Esparsa e Hierárquica"
Implementações mínimas e anotadas das ideias chave da pesquisa moderna em aprendizado profundo.
PoolFormer: MetaFormer é na verdade o que você precisa para Visão (CVPR 2022 Oral)
[CVPR 2021] Restauração Progressiva de Imagens em Múltiplas Etapas. Resultados SOTA para desembaçamento de imagem, remoção de chuva e desruído.
Uma biblioteca rápida de sobreposição de comunicação para paralelismo tensor/especialista em GPUs.
Um kit de ferramentas fundamental projetado para geração de música, canções e áudio
Framework de previsão probabilística de séries temporais baseado em PyTorch e no backend GluonTS
Implementação adequada do ResNet-s para CIFAR10/100 em pytorch que corresponde à descrição do artigo original.
Pesquisa da arquitetura DeepSeek Engram baseada em Qwen-3 e na série Stable Diffusion.
Software de aprendizado profundo para decodificar sinais de EEG, ECG ou MEG
Construção de Robôs de Propósito Geral Baseada em Modelo de Fundação Incorporado
Detecção e reconhecimento de rostos em deep learning, implementado por pytorch. (Detecção e reconhecimento de rostos implementado por pytorch)
Repositório oficial do Pytorch para Compressão Extrema de Grandes Modelos de Linguagem via Quantização Aditiva https://arxiv.org/pdf/2401.06118.pdf e PV-Tuning: Além da Estimação Straight-Through para Compressão Extrema de LLMs https://arxiv.org/abs/2405.14852
Este projeto utiliza uma variedade de modelos avançados de reconhecimento de impressão vocal, como EcapaTdnn, ResNetSE, ERes2Net, CAM++, etc. Não se exclui que mais modelos sejam suportados no futuro. Ao mesmo tempo, este projeto também suporta os métodos de pré-processamento de dados MelSpectrogram e Spectrogram.