continual-learning

PyTorch 在三种不同场景中实现各种持续学习方法

Continual Learning PyTorch NeurIPS incremental learning Synaptic Intelligence Github 开源项目

此项目实现了在增量学习场景中的PyTorch深度神经网络实验，支持学术设置下的分类问题，且可进行更加灵活的无任务增量学习实验。项目提供了演示脚本和详细的安装指导，适合多种经典方法的性能对比和自定义实验。

Github

论文

介绍相关项目

intel-extension-for-pytorch - 通过最新优化提升Intel硬件的深度学习性能

AIGPUsGithubIntel® Extension for PyTorchLLMs优化开源项目

Intel® Extension for PyTorch* 提供优化功能，利用Intel® AVX-512 VNNI、AMX以及XMX AI引擎，提升Intel CPU和GPU上的深度学习性能。该扩展优化了大规模语言模型（LLMs），如LLAMA、GPT-J、GPT-NEOX等，支持多种量化方法（如FP32、BF16、INT8、INT4）。此外，自2.3.0版本起，还引入了模块级优化API，为定制模型优化提供了更多选项。

open-metric-learning - 开源的PyTorch度量学习框架支持多模态嵌入训练

GithubPyTorchopen-metric-learning嵌入向量度量学习开源项目检索系统

open-metric-learning是一个基于PyTorch的开源度量学习框架，用于训练和验证高质量嵌入模型。它提供端到端流水线、实用案例和预训练模型库，支持图像和文本等多种模态。该框架具有统一的检索结果处理和评估方法，适用于人脸识别、商品搜索等嵌入学习任务。已被多家知名公司和机构采用，是一个功能丰富、易于上手的度量学习工具。

Blog - 全面涵盖深度学习与机器学习的教程项目

GithubPython人工智能开源项目机器学习深度学习算法

本项目汇集了深度学习和机器学习领域的系列教程与代码实现。内容覆盖从基础到高级的多个主题,包括神经网络、CNN、RNN、NLP等深度学习技术,以及特征工程、模型评估、异常检测等机器学习方法。每个主题均配有详细解析和Python代码,为AI学习和实践提供了丰富资源。

GradCache - 突破GPU/TPU内存限制，实现对比学习无限扩展

GPUGithubGradient CacheJAXPytorch对比学习开源项目

Gradient Cache技术突破了GPU/TPU内存限制，可以无限扩展对比学习的批处理大小。仅需一个GPU即可完成原本需要8个V100 GPU的训练，并能够用更具成本效益的高FLOP低内存系统替换大内存GPU/TPU。该项目支持Pytorch和JAX框架，并已整合至密集段落检索工具DPR。

Artificial-Intelligence-Deep-Learning-Machine-Learning-Tutorials - 最新的机器学习、深度学习和人工智能教程集锦

AI应用GithubPyTorchTensorFlow开源项目机器学习深度学习

该项目提供了涵盖机器学习、深度学习和人工智能的最新教程，强调在GPU编程、数据中心人工智能以及与Web3相关的可持续人工智能等领域的最新动向。集成了PyTorch、TensorFlow等工具和库的实战案例，助力用户精通深度学习技术，同时展示技术在交通、医疗等领域的应用前景。

pytorch-sentiment-neuron - Pytorch版本的情感神经元实现情感分析与文本生成

Githubcudamlstm_ns.ptpython 3.5pytorchsentiment开源项目

项目pytorch-sentiment-neuron基于Pytorch，实现了利用情感神经元进行情感分析和文本生成。用户可以通过预设模型文件和简单的命令行操作生成文本并进行情感分析，lm.py文件还允许在新数据上重新训练模型。该项目依赖Pytorch、Cuda和Python 3.5，适用于自然语言处理和情感分析领域的研究人员和开发者。

nn-zero-to-hero - 神经网络与深度学习实践教程从基础到GPT模型构建

GPTGithubPyTorch开源项目机器学习深度学习神经网络

该项目提供了一系列神经网络课程视频和实践代码，涵盖从基础概念到GPT模型构建的全过程。课程内容包括反向传播、语言建模、多层感知器和批量归一化等主题，每个讲座配有Jupyter笔记本和练习。适合具备Python基础的开发者深入学习神经网络和深度学习技术。

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。

AttentionDeepMIL - 深度多实例学习的注意力机制算法实现

GithubMNISTPyTorch多实例学习开源项目注意力机制深度学习

AttentionDeepMIL是一个开源的深度多实例学习算法项目，基于PyTorch框架实现。它在LeNet-5模型基础上创新性地添加了注意力机制的MIL池化层，适用于图像分类等多实例学习任务。该项目提供完整的实验环境，包括MNIST-BAGS数据集处理、模型架构和训练脚本，支持CPU和GPU运行。此外，AttentionDeepMIL还展示了在医学图像分析领域的应用潜力，包括对乳腺癌和结肠癌组织病理学数据集的实验支持。

AiLearning-Theory-Applying - 人工智能领域的全面学习资源

AiLearning-Theory-ApplyingGithubTransformer开源项目机器学习深度学习自然语言处理

AiLearning-Theory-Applying项目提供人工智能领域的全面学习资源，覆盖基础知识、机器学习、深度学习及自然语言处理。项目持续更新，附带详尽注释和数据集，便于理解与操作，助力初学者及研究人员迅速掌握AI理论及应用实践。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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