Logo
Project Icon

bayesian-torch

贝叶斯神经网络层和不确定性估计的PyTorch扩展库

Bayesian-Torch不确定性估计深度学习PyTorch变分推断Github开源项目

Bayesian-Torch是PyTorch的扩展库，用于在深度学习模型中实现贝叶斯推理和不确定性估计。它提供贝叶斯层，支持将确定性神经网络转换为贝叶斯形式。库包含变分推理、MOPED、量化和AvUC损失等功能，适用于不确定性感知应用。研究人员和开发者可利用Bayesian-Torch构建更可靠、可解释的AI模型。

访问官网访问官网GithubGithub文档文档论文论文
介绍相关项目
MAPIE - 开源机器学习不确定性量化与风险控制库
GithubMAPIE不确定性量化保证覆盖率开源项目机器学习预测区间
MAPIE是一个开源Python库，用于量化机器学习模型的不确定性和控制风险。它计算可控覆盖率的置信预测区间，适用于回归、分类和时间序列分析。MAPIE还可控制多标签分类和语义分割等复杂任务的风险。该库兼容各类模型，遵循scikit-learn API，基于同行评审算法提供理论保证。MAPIE仅依赖scikit-learn和numpy，支持Python 3.7及以上版本。
LibtorchSegmentation - 高性能C++图像分割库
C++库GithubLibTorch图像分割开源项目神经网络预训练模型
LibtorchSegmentation是基于LibTorch的C++图像分割库，提供高级API和多种模型架构。支持15种预训练编码器，推理速度比PyTorch CUDA快35%。该库简单易用yet功能强大，适合快速开发和部署各类图像分割应用。
pytorch_connectomics - PyTorch Connectomics加速大脑神经连接图谱构建
GithubPyTorch Connectomics图像分割开源项目深度学习框架神经连接重建连接组学
PyTorch Connectomics是一个面向神经科学领域的开源深度学习框架，专门用于处理电子显微镜采集的大脑图像数据。该框架支持连接组学中的自动和半自动语义及实例分割，提供多任务学习、主动学习和半监督学习功能。它采用分布式和混合精度优化技术，能高效处理大规模数据集。框架包含多种编码器-解码器架构，如定制3D UNet和特征金字塔网络模型，并提供全面的体积数据增强功能。由哈佛大学视觉计算组维护，PyTorch Connectomics致力于加速大脑神经连接图谱的重建过程。
docker-pytorch - PyTorch开发环境的Docker镜像
CUDADockerGPU加速GithubPyTorch开源项目深度学习
docker-pytorch项目提供预配置的Docker镜像，整合Ubuntu、PyTorch和可选的CUDA。该镜像支持GPU加速，便于搭建深度学习环境。用户可运行PyTorch脚本和图形化应用，也可自定义镜像。这个项目为PyTorch开发者提供了便捷的环境配置方案。
pytorch-ood - 基于PyTorch的深度学习异常检测库
GithubPyTorch开源项目异常检测机器学习深度学习神经网络
pytorch-ood是一个专为深度学习设计的异常检测库。该库提供多种检测方法、损失函数、数据集和神经网络架构，支持预训练权重，并兼容pytorch-lightning等框架。它涵盖开放集识别、新颖性检测、置信度估计等领域，采用统一的异常分数约定，方便比较不同方法。这个基于PyTorch的工具库为研究人员和开发者提供了全面的异常检测解决方案。
lucent - 将PyTorch神经网络可视化和解释的开源库
GithubLucentPyTorch开源项目深度学习可视化特征可视化神经网络解释
Lucent是一个将Lucid库功能适配到PyTorch平台的开源项目。它为PyTorch深度学习模型提供可视化和解释功能，使研究人员能够探索神经网络内部结构、生成特征可视化和进行风格迁移。该项目提供教程和示例notebook，便于快速入门。尽管处于早期阶段，Lucent已展现出在解释和改进深度学习模型方面的潜力。
hivemind - 去中心化的分布式深度学习PyTorch库
GithubHivemindPyTorch分布式训练开源项目深度学习神经网络
Hivemind是一个基于PyTorch的去中心化深度学习库，旨在通过多台分布在不同地点的计算机共同训练大型模型。主要特点包括去中心化的分布式训练、容错反向传播、参数去中心化平均以及支持任意大小的神经网络训练。Hivemind兼容Linux、macOS和Windows系统，可通过pip或源码进行安装，并提供PyTorch Lightning集成及详尽的使用文档和示例。
attorch - 易于修改的Python神经网络模块
GithubPyTorchTritonattorch开源项目深度学习神经网络模块
attorch是一个基于OpenAI Triton的PyTorch模块子集，提供易于修改的高效神经网络模块。支持自动混合精度、计算机视觉和自然语言处理相关层。
DeepRobust - PyTorch图像和图神经网络对抗性攻防开源库
DeepRobustGithubPyTorch图神经网络对抗攻击开源项目机器学习
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。
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

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

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