#pytorch Репозитории
Всего репозиториев: 1,936
Реализация EfficientDet на PyTorch, верная оригинальной реализации Google с перенесенными весами
Предобученная китайская XLNet (Предварительно обученная модель китайской XLNet)
[CVPR 2025] MatAnyone: Стабильное видео-матирование с последовательным распространением памяти
Репозиторий для обучения моделей разделения музыкальных источников.
Персонализируйте модель Segment Anything (SAM) за 1 выстрел за 10 секунд
Фреймворк без необходимости программирования на базе PyTorch для воспроизводимых исследований в области глубокого обучения. Экосистема PyTorch. 🏆 На данный момент реализовано 28 методов дистилляции знаний, представленных на конференциях и в журналах TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV, AAAI и других. 🎁 Для обеспечения воспроизводимости и проведения сравнительного тестирования доступны обученные модели, журналы обучения и конфигурации.
GaLore: Эффективное обучение LLM с низким расходом памяти за счет низкоранговой проекции градиента
Неофициальный Parallel WaveGAN (+ MelGAN & Multi-band MelGAN & HiFi-GAN & StyleMelGAN) с PyTorch
AutoResearch для GPU‑ядров. Предоставьте любую модель PyTorch, дайте ему спать, а затем проснитесь к оптимизированным ядрам Triton.
Официальный код для "FeatUp: Модельно-независимая структура для признаков любого разрешения" ICLR 2024
[TPAMI 2025] ViewCrafter: Обуздание видео диффузионных моделей для высокоточной синтетической генерации новых ракурсов
Модели распознавания речи Fun-ASR с нативной поддержкой Hugging Face Transformers для Fun-ASR-Nano и отдельными вариантами развёртывания для FunASR, vLLM и llama.cpp.
robomimic: Модульный фреймворк для обучения роботов на основе демонстраций
FB (Facebook) + GEMM (Общее умножение матрицы на матрицу) - https://code.fb.com/ml-applications/fbgemm/
[CVPR 2025 Highlight] DepthCrafter: Генерация последовательных длинных последовательностей глубины для видео открытого мира
[SIGGRAPH Asia 2023 (Технические коммуникации)] EasyVolcap: Ускорение исследований нейронного объемного видео
Официальный код "HybrIK: гибридное аналитико-нейронное решение для обратной кинематики для оценки 3D-позы и формы человека", CVPR 2021
DomainBed — это набор инструментов для тестирования алгоритмов обобщения доменов
Единая кодовая база полуавтоматического обучения (NeurIPS'22)
Kernl позволяет вам запускать модели трансформеров PyTorch в несколько раз быстрее на GPU с помощью одной строки кода, и разработан так, чтобы его было легко модифицировать.
Предобученный EfficientNet, EfficientNet-Lite, MixNet, MobileNetV3 / V2, MNASNet A1 и B1, FBNet, Single-Path NAS
solo-learn: библиотека методов самообучения для обучения визуальным представлениям на основе Pytorch Lightning
Реализация 3D-эффекта Ken Burns из одного изображения с использованием PyTorch
[ICML 2023] SmoothQuant: Точная и эффективная послетренировочная квантизация для больших языковых моделей
Расширения PyTorch для быстрого прототипирования R&D и фарминга в Kaggle
Библиотека потоковой передачи данных для эффективного обучения нейронных сетей
[CVPR 2025] Fast3R: Towards 3D Reconstruction of 1000+ Images in One Forward Pass
SoulX-FlashTalk — первая 14B-модель, достигшая задержки запуска менее секунды (0,87 с) при сохранении реального времени пропускной способности 32 FPS на узле 8xH800.
Байесовская сверточная нейронная сеть с вариационным выводом на основе Bayes by Backprop в PyTorch.
Библиотека PyTorch, полностью посвященная нейронным дифференциальным уравнениям, неявным моделям и связанным с ними численным методам
Самые полные модули «подключай и работай» для всей сети в 2025 году, доступны бесплатно! CVPR2025, AAAI2025, ICLR2025, TNNLS2025, arXiv2025...... Включает все области искусственного интеллекта (машинное обучение, глубокое обучение и т. д.), подходит для классификации изображений, обнаружения объектов, сегментации экземпляров, семантической сегментации, паноптической сегментации, оценки позы, сегментации медицинских изображений, сегментации объектов видео, вырезания изображений, редактирования изображений, отслеживания одиночных объектов, отслеживания нескольких объектов, переидентификации личности, RGBT, шумоподавления изображений, удаления дождя, удаления тумана, удаления теней, удаления размытия, сверхразрешения, удаления отражений, удаления муара, восстановления изображений, реставрации изображений, восстановления гиперспектральных изображений, слияния изображений, колоризации изображений, обработки изображений с расширенным динамическим диапазоном, сжатия видео и изображений, 3D облаков точек, 3D обнаружения объектов, 3D семантической сегментации, 3D оценки позы и других задач компьютерного зрения и обработки изображений, а также обработки естественного языка, больших языковых моделей, мультимодальности и других задач, связанных с ИИ. Постоянное обновление......
быстрая и удобная среда выполнения для инференса трансформеров (Bert, Albert, GPT2, Decoders и т. д.) на CPU и GPU.
Hibiki — это модель для потокового перевода речи (также известного как синхронный перевод). В отличие от офлайн-перевода, при котором перевод начинается после завершения исходного высказывания, Hibiki адаптирует свой поток, накапливая достаточно контекста для получения корректного перевода в режиме реального времени, по частям.