Project Icon

torchlm

面向人脸关键点检测的开源工具包

torchlm是一个开源的人脸关键点检测工具包,提供训练、评估、导出和推理功能。它包含100多种数据增强方法,支持30多种原生关键点增强,可与torchvision和albumentations集成。torchlm实现了PIPNet等先进模型,在多个基准数据集上性能出色。该项目简化了人脸关键点检测的开发流程,适用于研究和实际应用。

pytorch_memlab - PyTorch CUDA内存分析与优化工具
CUDAGithubPyTorchpytorch_memlab内存管理开源项目性能分析
pytorch_memlab是一个针对PyTorch的CUDA内存管理工具,提供内存分析器和内存报告器等功能。它可以帮助开发者诊断内存溢出问题,理解底层内存机制。该工具支持逐行内存分析、张量内存使用报告,以及将CUDA张量临时移至CPU内存等特性。pytorch_memlab能够协助开发者优化内存使用,提升PyTorch项目性能。
gluon-cv - 计算机视觉领域的深度学习模型工具包,支持PyTorch和MXNet框架
GithubGluonCV图像分类对象检测开源项目深度学习计算机视觉
GluonCV是一个面向工程师、研究人员和学生的计算机视觉深度学习工具包,支持快速原型设计。其主要功能包括可复现SOTA结果的训练脚本、对PyTorch和MXNet框架的支持、大量预训练模型,以及简化实现的API设计和社区支持。用户还可以通过AutoGluon执行图像分类和目标检测任务。
vision - TorchVision 计算机视觉库 提供数据集模型和图像处理功能
GithubPyTorchtorchvision图像处理开源项目深度学习计算机视觉
TorchVision是PyTorch生态系统的计算机视觉库,提供常用数据集、模型架构和图像变换功能。它支持torch张量和PIL图像后端,具备视频处理能力。该库同时提供Python和C++ API,适用于各种计算机视觉任务。TorchVision版本与PyTorch和Python版本兼容,持续更新以支持最新技术。
mmocr - 一个基于 PyTorch 和 mmdetection 的用于文本检测、文本识别以及相应的下游任务,包括关键信息提取的开源工具箱
GithubMMOCROpenMMLabPyTorch开源项目文本检测文本识别
MMOCR是一个基于PyTorch和mmdetection的开源工具箱,提供全面的文本检测、文本识别及信息提取解决方案。它支持多种先进模型和模块化设计,允许用户自定义优化器、数据预处理和模型组件。最新版本v1.0.0新增支持SCUT-CTW1500、SynthText和MJSynth数据集,更新了FAQ和文档,并添加了新教程笔记本。适用于PyTorch 1.6+,欢迎研究人员和开发者贡献改进。
LLM-Finetuning-Toolkit - 配置化CLI工具,用于LLM微调和实验管理
CLI工具GithubLLM Finetuning ToolkitLLM微调实验开源项目配置文件
该工具通过yaml配置文件进行管理,支持LLM微调的各个方面,包括提示词、模型、优化策略和测试。用户可以通过pipx或pip安装,并按照提供的指南进行使用,涵盖基础到高级的使用场景。实验结果会被自动记录和保存。工具的模块化设计允许进一步扩展和定制。
seemore - PyTorch实现的开源视觉语言模型项目
AIGithubPytorchVision Language Model图像处理开源项目机器学习
seemore是一个基于PyTorch的开源视觉语言模型(VLM)项目。它包括图像编码器、视觉-语言投影器和解码器三个核心组件,参考了CLIP和LLaVA等前沿VLM架构。项目提供完整代码实现和详细教程,有助于开发者理解VLM原理。seemore在Databricks平台开发,支持GPU加速,并集成MLFlow用于实验管理。
musiclm-pytorch - Pytorch实现的音乐生成模型MusicLM
AudioLMGithubMuLaNMusicLMPytorch开源项目音乐生成
MusicLM-Pytorch通过使用Google的新型SOTA音乐生成模型来生成音乐。该项目结合了文本条件的AudioLM和MuLan文本-音频对比学习模型。通过MuLaNEmbedQuantizer获取条件嵌入,用户可以在经过训练后,实现语义、粗粒度和细粒度的三种AudioLM转换器的音乐生成。项目包含详细的安装和使用指南,适合对AI音乐生成技术感兴趣的开发者。
pytorch - 能GPU加速的Python深度学习平台
GPU加速PyTorch深度学习神经网络
PyTorch是一个开源的提供强大GPU加速的张量计算和深度神经网络平台,基于动态autograd系统设计。它不仅支持广泛的科学计算需求,易于使用和扩展,还可以与Python的主流科学包如NumPy、SciPy无缝集成,是进行深度学习和AI研究的理想工具。
3DMPPE_ROOTNET_RELEASE - 单张RGB图像的相机距离感知的3D多人人体姿态估计实现
3D姿态估计GithubPyTorchRGB图像RootNet多人体姿态估计开源项目
此项目基于PyTorch实现了3D多人人体姿态估计,兼容多种公开的2D和3D数据集,如Human3.6M、MPII、MS COCO、MuCo-3DHP、MuPoTS-3D和3DPW。其特点包括代码简洁灵活、直观的人体姿态可视化,并支持不同单位系统的适配。项目还提供详细的训练和测试指南,旨在帮助用户在GPU环境下高效运行姿态估计算法。
deep-person-reid - 深度学习人员重识别库,支持多GPU训练和跨数据集评估
GithubPyTorchTorchreid多GPU训练开源项目深度学习重识别
Torchreid是一个基于PyTorch的深度学习人员重识别库,支持多GPU训练、图像和视频重识别、端到端训练与评估、多数据集训练和跨数据集评估。它易于准备数据集,支持添加模型、数据集和训练方法,提供预训练模型和高级训练技术,并配备可视化工具。
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。

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