#pytorch Репозитории
Всего репозиториев: 1,936
Пересмотр предварительно обученных моделей для китайской обработки естественного языка (MacBERT)
[ECCV2024 - устный доклад, кандидат на премию за лучшую статью] SEA-RAFT: простой, эффективный, точный RAFT для оптического потока
Реализация JointBERT на PyTorch: "BERT for Joint Intent Classification and Slot Filling"
Единая автоматическая оценка качества речи, музыки и звука.
[CVPR 2025 Highlight] Официальная реализация "MangaNinja: Раскрашивание изображений в стиле манги с точным следованием эталону"
Быстрая реализация CUDA (дифференцируемого) мягкого динамического выравнивания времени для PyTorch
Поддержка PointRend, Fast_SCNN, HRNet, Deeplabv3_plus(xception, resnet, mobilenet), ContextNet, FPENet, DABNet, EdaNet, ENet, Espnetv2, RefineNet, UNet, DANet, HRNet, DFANet, HardNet, LedNet, OCNet, EncNet, DuNet, CGNet, CCNet, BiSeNet, PSPNet, ICNet, FCN, deeplab
Тонкая настройка предобученных сверточных нейронных сетей с помощью PyTorch
DDPO для дообучения диффузионных моделей, реализованный на PyTorch с поддержкой LoRA
Регрессия ограничивающих рамок с учетом неопределенности для точного обнаружения объектов (CVPR'19)
3D электромагнитный симулятор FDTD, написанный на Python с опциональной поддержкой GPU
Шаблон репозитория для сборки проектов PyTorch из исходного кода на любой версии PyTorch/CUDA/cuDNN.
Давайте обучим визуальные трансформеры (ViT) для CIFAR-10/CIFAR-100/ImageNet
Личные учебные заметки по глубокому обучению и блокноты в стиле учебных пособий
BiomedParse: Фундаментальная модель для совместной сегментации, обнаружения и распознавания биомедицинских объектов в девяти модальностях
Геометрические функции потерь между облаками точек, изображениями и объемами
Неофициальная реализация "TTNet: Временной и пространственный анализ видео настольного тенниса в реальном времени" (CVPR 2020)
RankLLM — это набор инструментов Python для воспроизводимых исследований в области поиска информации с использованием реранкеров, с акцентом на реранкинг по спискам.
PyTorch LSTM-автоэнкодер с двойным вниманием для многомерных временных рядов
Изучайте, визуализируйте и вмешивайтесь в любые операции любой нейронной сети. Фиксируйте все активации и градиенты, полный граф вычислений и более 800 полей метаданных, не изменяя код модели. Поддерживает PyTorch, JAX, TensorFlow, MLX, PaddlePaddle и tinygrad. Проверено на более чем 6 400 моделях. Создано для исследователей и их ИИ-агентов.
Официальный код для "Boundary loss for highly unbalanced segmentation", второе место в конкурсе на лучшую статью на MIDL 2019. Расширенная версия в MedIA, том 67, январь 2021.
RL стартовые файлы для немедленного обучения, визуализации и оценки агента без написания ни одной строки кода.
Фреймворк ML без зависимостей на C с современным API Python для полного контроля над выполнением и памятью.
[ECCV 2020] Обучение обогащенным признакам для восстановления и улучшения реальных изображений. Результаты SOTA для шумоподавления изображений, сверхвысокого разрешения и улучшения изображений.
Заметки к проекту + Воспроизведение статей + Алгоритмические соревнования + Практика PyTorch + LeetCode + Предобучение VLM
[CVPR 2026 Выделение] Официальные реализации для статьи - HoloCine: Целостная генерация кинематографических многошотовых длинных видео-нарративов
ReST-MCTS*: Самообучение LLM посредством древовидного поиска с управляемым вознаграждением за процесс (NeurIPS 2024)