#pytorch 仓库
共 1,936 个仓库
一个基于 PyTorch 构建的免编码框架,用于开展可复现的深度学习研究。PyTorch 生态系统。🏆 目前已实现 28 种发表于 TPAMI、CVPR、ICLR、ECCV、NeurIPS、ICCV、AAAI 等会议和期刊的知识蒸馏方法。🎁 提供训练好的模型、训练日志和配置文件,以确保研究结果可复现并便于基准测试。
非官方 Parallel WaveGAN (+ MelGAN & Multi-band MelGAN & HiFi-GAN & StyleMelGAN) 使用 PyTorch
ICLR 2024 "FeatUp: A Model-Agnostic Frameworkfor Features at Any Resolution" 官方代码
Fun-ASR 语音识别模型,为 Fun-ASR-Nano 提供原生 Hugging Face Transformers 支持,并提供独立的 FunASR、vLLM 和 llama.cpp 部署路径。
预训练 EfficientNet、EfficientNet-Lite、MixNet、MobileNetV3 / V2、MNASNet A1 和 B1、FBNet、Single-Path NAS
SoulX-FlashTalk 是首个在 8xH800 节点上实现亚秒级启动延迟(0.87s),同时保持 32 FPS 实时吞吐量的 14B 模型。
2025年全网最全即插即用模块,免费分享!CVPR2025,AAAI2025,ICLR2025,TNNLS2025,arXiv2025......包含人工智能全领域(机器学习、深度学习等),适用于图像分类、目标检测、实例分割、语义分割、全景分割、姿态识别、医学图像分割、视频目标分割、图像抠图、图像编辑、单目标跟踪、多目标跟踪、行人重识别、RGBT、图像去噪、去雨、去雾、去阴影、去模糊、超分辨率、去反光、去摩尔纹、图像恢复、图像修复、高光谱图像恢复、图像融合、图像上色、高动态范围成像、视频与图像压缩、3D点云、3D目标检测、3D语义分割、3D姿态识别等各类计算机视觉和图像处理任务,以及自然语言处理、大语言模型、多模态等其他各类人工智能相关任务。持续更新中......
Hibiki 是一个用于流式语音翻译(也称为同声传译)的模型。与需要等待源语句结束才能开始翻译的离线翻译不同,Hibiki 会调整其流程,累积足够多的上下文,以便实时、分块地生成正确的翻译。