#pytorch Repositórios
1,936 repositórios no total
Um modelo de difusão de linguagem em nível de caractere treinado em Tiny Shakespeare
Biblioteca de Extensão PyTorch de Algoritmos Otimizados de Cluster de Gráfico
Ampliando Seus Kernels para 31x31: Revisando o Design de Kernel Grande em CNNs (CVPR 2022)
[ICLR 2026] Sobre a generalização de SFT: Uma perspectiva de aprendizado por reforço com retificação de recompensas.
Implementação oficial em PyTorch do ODISE: Segmentação Panóptica de Vocabulário Aberto com Modelos de Difusão de Texto para Imagem [Destaque CVPR 2023]
Visão Computacional Moderna com PyTorch, publicado pela Packt
[ECCV'24] GeoWizard: Liberando os Priors de Difusão para Estimativa de Geometria 3D a Partir de uma Única Imagem
Síntese em Tempo Real de Retrato Falante por Radiância Neural via Decomposição Áudio-espacial
Código de inferência para o artigo "Spirit-LM Interleaved Spoken and Written Language Model".
U-Mamba: Aprimorando a Dependência de Longo Alcance para Segmentação de Imagens Biomédicas
Construa um pipeline RAG (Retrieval Augmented Generation) do zero e faça com que tudo seja executado localmente.
😇Uma implementação em pyTorch do modelo DeepMoji: modelo de aprendizado profundo (deep learning) de última geração para análise de sentimento, emoção, sarcasmo, etc.
:zap: Com base no algoritmo universal de detecção de alvos de baixa potência e ultra-leve do Yolo, o parâmetro é de apenas 250k, e a velocidade do terminal móvel de smartphone pode chegar a ~300fps+
Um modelo OCR LaTeX SOTA minimalista com apenas 20M de parâmetros, rodando no navegador. Pipeline de treinamento completo disponível para autorreprodução. | Modelo OCR de fórmula LaTeX SOTA ultraleve com apenas 20M de parâmetros, rodando no navegador. Código de pipeline de treinamento completo de código aberto para autoaprendizagem e reprodução.
Repositório do Vision Transformer com Atenção Deformável (CVPR2022) e DAT++: Vision Transformer Dinâmico Espacialmente com Atenção Deformável
Implementação de um Grande Modelo de Linguagem (LLM) Chinês de pequeno porte, começando do zero.
[NeurIPS 2020] MCUNet: Aprendizagem Profunda Minúscula em Dispositivos IoT; [NeurIPS 2021] MCUNetV2: Inferência Baseada em Patches com Eficiência de Memória para Aprendizagem Profunda Minúscula; [NeurIPS 2022] MCUNetV3: Treinamento no Dispositivo com Menos de 256KB de Memória
Implementação de [CVPR 2025] "DiffSensei: Unindo LLMs Multi-Modais e Modelos de Difusão para Geração de Mangá Personalizado"
Este repositório é uma implementação não oficial em PyTorch de segmentação médica em 2D e 3D.
alfred-py: Uma biblioteca utilitária de aprendizado profundo para **humanos**, mais detalhes sobre o uso da biblioteca em: https://zhuanlan.zhihu.com/p/341446046
Repositório Oficial para "DrEureka: Language Model Guided Sim-To-Real Transfer" (RSS 2024)
TriplaneGaussian: Uma nova representação híbrida para reconstrução 3D de visão única.
MONAI Label é uma ferramenta inteligente de código aberto para rotulagem e aprendizado de imagens.
:four_leaf_clover: Outro chatbot chinês implementado em PyTorch, que é o submódulo do robô de processamento inteligente de ordens de serviço. 👩🔧
BladeDISC é um projeto de compilador dinâmico de forma ponta a ponta para cargas de trabalho de aprendizado de máquina.
TextGAN é um framework PyTorch para modelos de geração de texto baseados em Redes Generativas Adversariais (GANs).
Momentum Human Rig é um modelo digital paramétrico de corpo humano completo, inspirado anatomicamente, desenvolvido na Meta. Ele inclui: um modelo de esqueleto corporal paramétrico; uma malha 3D realista ligada ao esqueleto com níveis de detalhe; um modelo de blendshape corporal e corretor de pose; um modelo de blendshape facial. Seu design é amigável tanto para as comunidades de CG quanto de CV.
O calflops foi projetado para calcular FLOPs, MACs e Parâmetros em todas as várias redes neurais, como Linear, CNN, RNN, GCN, Transformer (Bert, LlaMA, etc., Modelos de Linguagem Grandes)
Código oficial para MAMMA: Aquisição de movimento multi-pessoa precisa e sem marcadores.
Semelhanças: um kit de ferramentas para cálculo de similaridade e pesquisa semântica. Um kit de ferramentas para cálculo de similaridade e pesquisa de correspondência, suportando pesquisa de texto para texto e imagem para imagem em dados de bilhões de níveis, desenvolvido em python3, pronto para uso.
Um motor de aceleração de inferência de LLM altamente otimizado para Llama e suas variantes.
Um framework de serviço de modelo de ML de alto desempenho, oferece agrupamento dinâmico (dynamic batching) e pipelines de CPU/GPU para explorar totalmente sua máquina de computação
Você Só Assiste Uma Vez: Uma Arquitetura CNN Unificada para Localização de Ações Espaço-Temporais em Tempo Real
Omni SenseVoice: Reconhecimento de Voz de Alta Velocidade com timestamps das palavras 🗣️🎯