#pytorch Репозитории
Всего репозиториев: 1,936
Код и данные для «AnyV2V: фреймворк без настройки для любых задач редактирования видео-в-видео» [TMLR 2024]
Это реализация нашей статьи «RSPrompter: Обучение подсказкам для сегментации экземпляров дистанционного зондирования на основе визуальной базовой модели» в PyTorch.
Фреймворк с открытым исходным кодом для самообучаемых рекомендательных систем.
Инструмент для нанесения водяных знаков для защиты произведений искусства, созданных человеком, от использования в синтетических произведениях искусства.
Библиотека для байесовских слоев нейронных сетей и оценки неопределенности в глубоком обучении, расширяющая ядро PyTorch
Это код для SpeechTokenizer, представленного в SpeechTokenizer: Unified Speech Tokenizer for Speech Language Models. Примеры представлены на
TorchOpt — это эффективная библиотека для дифференцируемой оптимизации, построенная на PyTorch.
Проект, связанный с компьютерным зрением, машинным обучением и глубоким обучением, включающий конспекты лекций и программы, написанные мной.
Платформа принятия интеллектуальных решений для симуляции автономного вождения.
Присоединяйтесь к сообществу в Discord для дальнейших обсуждений Neutone! https://discord.gg/VHSMzb8Wqp
[CVPR'26] ObjectClear: Точный удаление объектов и эффектов с адаптивным вниманием к целям
Один файл, один GPU, С нуля, Эффективная библиотека полнопараметрической настройки для «RL для LLM»
[NeurIPS 2020] MCUNet: Крошечное глубокое обучение на устройствах IoT; [NeurIPS 2021] MCUNetV2: Эффективный по памяти вывод на основе патчей для крошечного глубокого обучения
Неофициальная реализация Denoising Diffusion Probabilistic Models на PyTorch
Лучшие практики и руководства по написанию распределенного обучающего кода PyTorch
DreamSim: Обучение новым измерениям человеческого визуального сходства с использованием синтетических данных (NeurIPS 2023 Spotlight) / / / / Когда перцептивное выравнивание приносит пользу представлениям зрения? (NeurIPS 2024)
Официальная реализация Pytorch 6DRepNet: представление 6D-вращения для неограниченной оценки позы головы.
VMAS — это векторизованный дифференцируемый симулятор, разработанный для эффективного бенчмаркинга многоагентного обучения с подкреплением. Он состоит из векторизованного 2D физического движка, написанного на PyTorch, и набора сложных сценариев для мультироботов. Дополнительные сценарии могут быть реализованы через простой и модульный интерфейс.
Полный жизненный цикл проекта по науке о данных
Официальный код для "One Fits All: Power General Time Series Analysis by Pretrained LM (NeurIPS 2023 Spotlight)"
(CVPR 2025 highlight✨) Официальный репозиторий статьи "LLMDet: Learning Strong Open-Vocabulary Object Detectors under the Supervision of Large Language Models"
Проверка обоснованности на уровне отрезков для выходных данных ИИ, основанных на RAG, коде и инструментах.
Официальная реализация "Blended Latent Diffusion" [SIGGRAPH 2023]
Минимальная реализация масштабируемых трансформеров с выпрямленным потоком, основанная на подходе SD3
Создавайте полностью функциональные модели компьютерного зрения с помощью PyTorch
:fire: Используйте предобученные модели в PyTorch для извлечения векторных встраиваний для любого изображения
[CVPR 2024 Highlight] Официальный репозиторий для «GPS-Gaussian: Generalizable Pixel-wise 3D Gaussian Splatting for Real-time Human Novel View Synthesis»
Слайды об ИИ, заметки по статьям, конспекты занятий, записи в блогах и обзоры исследований.
BackPACK - пакет для обратного распространения ошибки, построенный на базе PyTorch, который эффективно вычисляет величины, отличные от градиента.