#pytorch Репозитории
Откройте для себя 1,936 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #pytorch, с общим числом 7,737,223 звёзд (в среднем 3,996 на проект). Лидером этой темы является huggingface/transformers, набравший 169,339 звёзд.
Всего репозиториев: 1,936
🤗 Transformers: фреймворк определения моделей для передовых моделей машинного обучения в текстах, зрении, аудио и мультимодальных моделях, как для инференса, так и для обучения.
Самый мощный и модульный графический интерфейс, API и бэкенд для диффузионных моделей с интерфейсом на основе графов/узлов. Самый быстрый в мире движок локального вывода.
Высокопроизводительный и эффективный по памяти движок для инференса и обслуживания LLM
🧑🏫 60+ реализаций/руководств по статьям о глубоком обучении с заметками бок о бок 📝; включая трансформеры (оригинал, xl, switch, feedback, vit, ...), оптимизаторы (adam, adabelief, sophia, ...), gan (cyclegan, stylegan2, ...), 🎮 обучение с подкреплением (ppo, dqn), capsnet, дистилляцию, ... 🧠
Самый простой и быстрый репозиторий для обучения/дообучения GPT среднего размера.
Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — обнаружение объектов, сегментация экземпляров, семантическая сегментация, классификация изображений, оценка позы и отслеживание объектов
Клонируйте голос за 5 секунд, чтобы генерировать произвольную речь в реальном времени
Ultralytics YOLOv5 в PyTorch для обнаружения объектов, сегментации экземпляров, классификации, обучения и экспорта.
Репозиторий предоставляет код для выполнения инференса с помощью модели SegmentAnything (SAM), ссылки для загрузки контрольных точек обученной модели и примеры блокнотов, демонстрирующих, как использовать модель.
Узнайте, как разрабатывать, развертывать и итерировать производственные приложения ML.
Ray — это движок вычислений ИИ. Ray состоит из основной распределённой среды выполнения и набора библиотек ИИ для ускорения нагрузок ML.
🐸💬 - инструментарий глубокого обучения для преобразования текста в речь, испытанный в исследованиях и на производстве
DeepSpeed — это библиотека оптимизации для глубокого обучения, которая делает распределённое обучение и вывод простыми, эффективными и результативными.
VoxCPM2: TTS без токенизатора для многоязычной генерации речи, креативного дизайна голоса и реалистичного клонирования
Синтез изображений высокого разрешения с использованием латентных диффузионных моделей
GFPGAN нацелен на разработку практических алгоритмов для восстановления лиц в реальном мире.
Самая большая коллекция PyTorch-энкодеров изображений / backbone. Включая скрипты для обучения, оценки, инференса, экспорта и предобученные веса -- ResNet, ResNeXT, EfficientNet, NFNet, Vision Transformer (ViT), MobileNetV4, MobileNet-V3 & V2, RegNet, DPN, CSPNet, Swin Transformer, MaxViT, CoAtNet, ConvNeXt и многое другое
🚀Клонируйте голос за 5 секунд для генерации произвольной речи в реальном времени
Неавторегрессионный механизм принятия решений System 1. Выполняет типизированный выбор, оценивание и решения «да/нет» для любого текста за один прямой проход на более чем 100 языках; маршрутизатор выбирает подходящий чекпойнт для каждого запроса.
TimesFM (Time Series Foundation Model) — это предварительно обученная базовая модель для временных рядов, разработанная Google Research для прогнозирования временных рядов.
Detectron2 — это платформа для обнаружения объектов, сегментации и других задач визуального распознавания.
🤗 Diffusers: Современные диффузионные модели для генерации изображений, видео и аудио в PyTorch.
Real-ESRGAN нацелен на разработку практических алгоритмов для общей реставрации изображений/видео.
Визуализатор для моделей нейронных сетей, глубокого обучения и машинного обучения
Инструментарий Sequence-to-Sequence от Facebook AI Research, написанный на Python.
Предварительное обучение, тонкая настройка ЛЮБОЙ модели ИИ ЛЮБОГО размера на 1 или 10 000+ GPU без изменений кода.
Готовый к использованию OCR с поддержкой более 80 языков и всех популярных письменностей, включая латиницу, китайский, арабский, деванагари, кириллицу и т.д.
🤗 LeRobot: Делаем ИИ для робототехники более доступным с помощью сквозного обучения
Интерактивная книга по глубокому обучению с кодом для нескольких фреймворков, математикой и обсуждениями. Принята в 500 университетах из 70 стран, включая Stanford, MIT, Harvard и Cambridge.
Графический интерфейс для удалителя вокала, использующего глубокие нейронные сети.
Глубокое обучение для обработки изображений, включая классификацию и обнаружение объектов и т.д.
Открытые исходные коды для MiniGPT-4 и MiniGPT-v2 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)
Часто задаваемые вопросы
Какой репозиторий по теме #pytorch наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #pytorch на GitHub — huggingface/transformers, набравший 169,339 звёзд. 🤗 Transformers: фреймворк определения моделей для передовых моделей машинного обучения в текстах, зрении, аудио и мультимодальных моделях, как для инференса, так и для обучения.
Какие языки программирования чаще всего используются в репозиториях по теме #pytorch?
Среди наиболее высоко оценённых проектов по теме #pytorch на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, JavaScript.
Как рассчитывается рейтинг репозиториев по теме #pytorch?
Мы отслеживаем 1,936 активных репозиториев с открытым исходным кодом, отмеченных тегом #pytorch (500 и более звёзд), с общим числом 7,737,223 звёзд и в среднем 3,996 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.