#pytorch Repositórios
1,936 repositórios no total
Repositório para o programa Nanodegree de Aprendizado por Reforço Profundo
Modelos pré-treinados de detecção de faces (MTCNN) e reconhecimento facial (InceptionResnet) em Pytorch
Código para o livro Deep Learning with PyTorch de Eli Stevens, Luca Antiga e Thomas Viehmann.
Plataforma de IA unificada, open source, de machine learning/deep learning/grandes modelos nativa da nuvem cube studio, fluxo de trabalho completo de MLOps para algoritmos, plataforma de aluguel de poder computacional, desenvolvimento online em notebook, orquestração de pipeline de fluxo de tarefas arrastar e soltar, treinamento distribuído multi-máquina/multi-GPU, busca de hiperparâmetros, virtualização VGPU para serviço de inferência, computação de borda, anotação automatizada pela plataforma de anotação, ajuste fino SFT de grandes modelos como deepseek/modelo de recompensa/treinamento de aprendizado por reforço, inferência multi-máquina de grandes modelos como vllm/ollama/mindie, base de conhecimento privada, mercado de modelos de IA, suporte ao ecossistema chinês de CPUs/GPUs/NPUs Ascend, suporte a RDMA, suporte a frameworks distribuídos como pytorch/tf/mxnet/deepspeed/paddle/colossalai/horovod/ray/volcano
Implementação Pytorch para Segmentação Semântica/Análise de Cena no conjunto de dados MIT ADE20K
Torchreid: Reidentificação de pessoas com aprendizado profundo em PyTorch.
🚀 Um currículo de código aberto e prático que preenche a lacuna desde conceitos básicos de RL até alinhamento de LLM, RLVR e sistemas Agentic avançados.
Código e modelos PyTorch para aprendizagem auto-supervisionada VJEPA2 a partir de vídeo.
Contêineres de Aprendizado de Máquina para NVIDIA Jetson e JetPack-L4T
É minha convicção que vocês, estudantes de pós-graduação e candidatos a emprego para quem o livro é primariamente destinado, se beneficiarão com a leitura; contudo, é minha esperança que até mesmo os pesquisadores mais experientes o achem igualmente fascinante.
Uma biblioteca PyTorch para a implementação de algoritmos de flow matching, apresentando implementações de flow matching contínuo e discreto. Inclui exemplos práticos para modalidades de texto e imagem.
Memória Condicional via Consulta Escalável: Um Novo Eixo de Sparsidade para Grandes Modelos de Linguagem
Biblioteca de alto nível para ajudar no treinamento e avaliação de redes neurais em PyTorch de forma flexível e transparente.
🔥 LeetCode para PyTorch — pratique a implementação de softmax, attention, GPT-2 e mais do zero com correção automática instantânea. Baseado em Jupyter, auto-hospedado ou experimente online.
[NeurIPS 2023] Implementação oficial do artigo "Segment Everything Everywhere All at Once"
Meta Lingua: uma base de código enxuta, eficiente e fácil de modificar para pesquisar LLMs.
Um repositório para treinamento distribuído de modelos de linguagem com Aprendizado por Reforço via Feedback Humano (RLHF)
Prática no 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)
Caixa de Ferramentas OpenMMLab para Detecção, Reconhecimento e Compreensão de Texto
Um sistema de conversão de texto em fala de código aberto construído invertendo o Whisper.
Um repositório para armazenar modelos que foram interconvertidos entre vários frameworks. Os frameworks suportados são TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite (Float32/16/INT8), EdgeTPU, CoreML.
O "Tutorial Prático de Pytorch" (Segunda Edição) abrange desde a introdução para iniciantes completos, aplicações em projetos de CV, NLP e LLM, até a implantação e engenharia avançada. Acreditamos que, com a ajuda deste livro, os leitores serão capazes de dominar facilmente o uso do PyTorch e se tornar excelentes engenheiros de aprendizado profundo.
PointNet e PointNet++ implementados em pytorch (python puro) e em ModelNet, ShapeNet e S3DIS.
TNN: desenvolvido pelo Tencent Youtu Lab e Guangying Lab, uma estrutura uniforme de inferência de aprendizado profundo para dispositivos móveis, desktop e servidor. O TNN se distingue por várias características notáveis, incluindo sua capacidade de plataforma cruzada (cross-platform), alto desempenho, compressão de modelo e poda de código (code pruning). Baseado em ncnn e Rapidnet, o TNN reforça ainda mais o suporte e a otimização de desempenho para dispositivos móveis, e também aproveita as vantagens de boa extensibilidade e alto desempenho de esforços de código aberto existentes.
Modelos de Consistência Latente: Síntese de Imagens de Alta Resolução com Inferência em Poucos Passos
Tutoriais sobre como começar com PyTorch e TorchText para análise de sentimentos.
Tengine é um motor de inferência leve, de alto desempenho e modular para dispositivos embarcados
[ICCV 2019] Estimativa de profundidade monocular a partir de uma única imagem
Uma biblioteca para aprendizado de máquina científico e aprendizado informado pela física
Kit de ferramentas de avaliação de código aberto para grandes modelos de multimodalidade (LMMs), com suporte para mais de 220 LMMs e mais de 80 benchmarks
[EMNLP 2022] Uma Ferramenta Aberta para Extração e Construção de Grafos de Conhecimento
Fundamentos de Machine Learning: Álgebra Linear, Cálculo, Estatística e Ciência da Computação