DeepRobust

PyTorch图像和图神经网络对抗性攻防开源库

DeepRobust 对抗攻击机器学习图神经网络 PyTorch Github 开源项目

DeepRobust是一个基于PyTorch的开源库，专注于图像和图神经网络的对抗性攻击与防御。它提供多种攻防算法，支持MNIST、CIFAR10等数据集，可与PyTorch Geometric集成。该库适用于对抗性机器学习研究，也为构建鲁棒深度学习模型提供工具。DeepRobust支持大规模图如OGB-ArXiv的攻击，并包含节点嵌入攻击和受害模型。它还提供图像预处理方法APE-GAN，支持ImageNet数据集，新增UGBA后门攻击和PRBCD可扩展攻击算法。库中包含MedianGCN、AirGNN等鲁棒模型，以及用于转换PyTorch Geometric和DeepRobust数据集的工具，成为全面的对抗性机器学习研究平台。

Github

介绍相关项目

pytorch3d - 基于PyTorch的高效3D计算机视觉研究库

3D计算机视觉GithubPyTorch3D三角网格可微分渲染开源项目深度学习

PyTorch3D是一个基于PyTorch的3D计算机视觉研究库，提供高效、可复用的组件。主要功能包括三角网格操作、可微分渲染和隐式表示框架。该库与深度学习方法无缝集成，支持异构数据批处理、可微分运算和GPU加速。PyTorch3D已应用于多个研究项目，并提供全面的教程和文档。

DeepRL - PyTorch 中深度强化学习算法的模块化实现

A2CDQNDeepRLGithubPyTorch开源项目深度强化学习

DeepRL项目使用PyTorch实现了一系列流行的深度强化学习算法，提供模块化框架，适用于从简单任务到高难度游戏。支持的算法包括DQN、C51、QR-DQN、A2C、DDPG、PPO等，并具备异步数据生成和传输功能。项目依赖PyTorch v1.5.1，具体依赖请参考Dockerfile和requirements.txt。此外，项目提供代码示例和性能曲线图，适合相关研究参考和使用。

pytorch-CycleGAN-and-pix2pix - PyTorch中的高效CycleGAN和pix2pix图像翻译

CycleGANGithubPyTorchpix2pix图像翻译开源项目神经网络

该项目提供了PyTorch框架下的CycleGAN和pix2pix图像翻译实现，支持配对和无配对的图像翻译。最新版本引入img2img-turbo和StableDiffusion-Turbo模型，提高了训练和推理效率。项目页面包含详细的安装指南、训练和测试步骤，以及常见问题解答。适用于Linux和macOS系统，兼容最新的PyTorch版本，并提供Docker和Colab支持，便于快速上手。

gan - 开源生成对抗网络框架

GithubTensorFlow-GAN人工智能开源项目机器学习深度学习生成对抗网络

TensorFlow-GAN (TF-GAN) 是一个专注于生成对抗网络 (GANs) 训练和评估的开源库。该库提供核心训练框架、常用 GAN 操作、损失函数和评估指标，支持多种 GAN 架构。TF-GAN 易于安装使用，包含丰富的示例和教程。目前已在 Google 内部项目和多篇研究论文中得到应用，为 GAN 领域的研究和实践提供了有力支持。

practicalAI-cn - PyTorch与Google Colab下的机器学习与深度学习实践

GithubGoogle ColabPyTorchpracticalAI开源项目机器学习深度学习

通过practicalAI-cn项目，任何水平的学习者都可以从基础到进阶掌握机器学习与深度学习技能。项目使用PyTorch实现核心算法，并提供多种notebooks，涵盖线性回归、卷积神经网络等多种模型。无需复杂的环境设置，可通过Google Colab直接运行，进行产品级的面向对象编程学习，助力从数据中获取有价值的见解。

axodox-machinelearning - 基于C++的Stable Diffusion图像生成库，支持ControlNet

C++ControlNetGithubONNXStable Diffusion图像合成开源项目

该库是一款基于Stable Diffusion的图像生成工具，支持txt2img、img2img和图像修复功能，完全采用C++实现，无需依赖Python。其高性能和简化的部署过程非常适用于实时图形应用和游戏开发。库还支持ControlNet，通过输入图像来引导生成过程，并提供GPU加速的特征提取功能，如姿势估计、深度估计和边缘检测。此外，库包含多个代码示例和预编译模型，便于开发者快速集成和测试。

pytorch-widedeep - 基于PyTorch的多模式深度学习工具包，结合表格、文本和图像数据

Githubpytorch-widedeep多模态深度学习宽和深模型开源项目机器学习表格数据

pytorch-widedeep是一个基于Google的Wide and Deep算法的开源项目，专为多模式数据集设计，支持结合表格、文本和图像数据。该工具包提供多种架构和自定义模型支持，如TabMlp、BasicRNN、TabTransformer等。详细的安装、快速入门和使用扩展步骤可在官方文档中找到。pytorch-widedeep适合多模式数据的深度学习研究和应用。

DeepLearning - 深度学习资源，涵盖教程、图书和实战项目

Github图像处理开源项目机器学习深度学习神经网络自然语言处理

探索全面的深度学习资源，涵盖教程、图书和实战项目，适合从新手到专家的每一个阶段。

deep-learning-roadmap - 为开发者和研究人员提供的从入门到高级应用全覆盖，涵盖图像识别、自然语言处理等关键领域深度学习的综合资源，

Github卷积神经网络图像识别开源项目强化学习深度学习生成模型

为开发者和研究人员提供深度学习的综合资源，从入门到高级应用全覆盖，涵盖图像识别、自然语言处理等关键领域。借助本平台，您可以迅速找到所需资源，掌握最前沿的深度学习技术。

pytorch-fid - 生成对抗网络图像质量评估工具

FIDFréchet Inception DistanceGANsGithubPyTorchTensorflow开源项目

pytorch-fid是一款用于计算生成对抗网络（GAN）样本质量的Fréchet Inception Distance（FID）分数的工具。该工具将官方的Tensorflow实现移植到PyTorch，确保相似的准确性和方便性。用户可以自由选择特征层，适应不同的数据集，还支持GPU加速和保存原始数据集的统计信息，便于进行多模型比较，适合研究和开发高质量图像生成模型。

相关项目

项目侧边栏1

项目侧边栏2

推荐项目

Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com

@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号