#pytorch Репозитории
Всего репозиториев: 1,936
Реализация статьи - YOLOv7: Обучаемый набор «bag-of-freebies» устанавливает новый стандарт для детекторов объектов в реальном времени
Версия Stable Baselines на PyTorch, надежные реализации алгоритмов обучения с подкреплением.
Синтез изображений высокого разрешения с помощью латентных диффузионных моделей
Нативные и компактные структурированные латентные переменные для 3D-генерации
Этот репозиторий содержит коды статьи «A Lip Sync Expert Is All You Need for Speech to Lip Generation In the Wild», опубликованной на ACM Multimedia 2020. Для коммерческой модели HD попробуйте Sync Labs.
Расширенная объяснимость ИИ для компьютерного зрения. Поддержка CNN, Vision Transformers, Классификация, Обнаружение объектов, Сегментация, Сходство изображений и многое другое.
🏄 Масштабируемая встраиваемость, рассуждение, ранжирование для изображений и предложений с CLIP
Невероятный PyTorch: кураторский список руководств, статей, проектов, сообществ и многого другого, связанного с PyTorch.
Дорожная карта обучения искусственному интеллекту, сбор около 200 практических случаев и проектов, бесплатные сопутствующие учебные материалы, вход с нуля, практика для трудоустройства! Включая: Python, математика, машинное обучение, анализ данных, глубокое обучение, компьютерное зрение, обработка естественного языка, PyTorch, tensorflow, machine-learning, deep-learning, data-analysis, data-mining, mathematics, data-science, artificial-intelligence, python, tensorflow, tensorflow2, caffe, keras, pytorch, algorithm, numpy, pandas, matplotlib, seaborn, nlp, cv и другие популярные области
Репозиторий предоставляет код для выполнения вывода и тонкой настройки с помощью модели Meta Segment Anything Model 3 (SAM 3), ссылки для загрузки обученных контрольных точек модели и примеры ноутбуков, демонстрирующие использование модели.
Ультралегкий китайский OCR, поддерживает распознавание вертикального текста, поддерживает вывод ncnn, mnn, tnn (dbnet(1.8M) + crnn(2.5M) + anglenet(378KB)), общий размер модели всего 4.7 МБ
🍀 Реализация в Pytorch различных механизмов внимания, MLP, перепараметризации, сверток, которые полезны для дальнейшего понимания статей.⭐⭐⭐
Модели семантической сегментации с более чем 500 предобученными сверточными и основанными на трансформерах backbone.
Фреймворк с низким кодом для создания пользовательских LLM, нейронных сетей и других моделей ИИ
Этот репозиторий содержит демонстрации, которые я сделал с помощью библиотеки Transformers от HuggingFace.
Moshi — это базовая модель преобразования речи в текст и полнодуплексная система речевого диалога. Она использует Mimi, передовой потоковый нейронный аудиокодек.
Платформа для разработчиков ИИ. Используйте Weights & Biases для обучения и тонкой настройки моделей, а также для управления моделями от экспериментов до производства.
Преобразование речи в текст в реальном времени и локально с потоковым ASR, диаризацией говорящих, переводом и API, совместимыми с OpenAI/Deepgram.
Проект с открытым исходным кодом Python «Путь к изучению программирования», учебное пособие уровня «няни»: Лаборатория ИИ, Видео-сокровища, Структуры данных, Руководство по обучению, Практика машинного обучения, Практика глубокого обучения, Веб-скрейпинг, Интервью в крупных компаниях, Жизнь программиста, Обмен ресурсами.
Реализация U-Net в PyTorch для семантической сегментации изображений с изображениями высокого качества
[CVPR 2024] Официальный репозиторий для "MagicAnimate: Temporally Consistent Human Image Animation using Diffusion Model"
Нейронные строительные блоки для диаризации спикеров: обнаружение речевой активности, обнаружение смены спикера, обнаружение перекрывающейся речи, встраивание спикера
Silero VAD: предварительно обученный детектор активности речи корпоративного уровня
Высококачественная однократная реализация алгоритмов глубокого обучения с подкреплением с функциями, удобными для исследований (PPO, DQN, C51, DDPG, TD3, SAC, PPG)
Тонкая настройка LLM из одного YAML. Потоковая передача слоев обучает модель 8B на 4 ГБ ноутбучном GPU.
Реализация YOLOv3, YOLOv3-SPP и YOLOv3-tiny на PyTorch для обнаружения объектов в реальном времени с поддержкой обучения, валидации, инференса и экспорта в различные форматы.
StreamDiffusion: Решение на уровне конвейера для интерактивной генерации в реальном времени
YOLOX — это высокопроизводительный YOLO без якоря, превосходящий yolov3~v5 с поддержкой MegEngine, ONNX, TensorRT, ncnn и OpenVINO. Документация: https://yolox.readthedocs.io/