懂AI
torch-conv-kan

torch-conv-kan

引入基于Kolmogorov-Arnold表示理论的高效卷积神经网络

项目展示了使用PyTorch和CUDA加速的Kolmogorov-Arnold网络（KAN）模型的训练、验证和量化，支持MNIST、CIFAR、TinyImagenet和Imagenet1k数据集的性能评估。当前项目持续开发，已发布涉及ResNet、VGG、DenseNet、U-net等架构的新模型和预训练权重，适用于医疗图像分割和高效卷积神经网络的进一步研究和优化。

TorchConv KANKolmogorov-Arnold NetworksPyTorchConvolutional layersCUDAGithub开源项目
GitHub论文

项目介绍：Torch-Conv-KAN

torch-conv-kan 是一个利用 PyTorch 和 CUDA 加速的工具集合，用于训练、验证和量化卷积 Kolmogorov-Arnold 网络模型（KANs）。这是一个最新开发中的开源项目，重点评估其在 MNIST、CIFAR、TinyImagenet 和 Imagenet1k 数据集上的性能表现。

项目状态：正在开发中

近期更新

  • 2024/05/13：卷积式 KALN 层已经发布。
  • 2024/05/14：卷积式 KAN 和快速 KAN 层已经发布。
  • 2024/05/15：卷积式 ChebyKAN 已发布。MNIST、CIFAR10 和 CIFAR100 基准测试已添加。
  • 后续更新涉及各种新模型和层的引入与性能优化以及新的训练脚本提供

介绍卷积 KAN 层

卷积 KAN 层以 Kolmogorov-Arnold 表示定理为基础，试图通过在网络中使用可学习的激活函数和不同的多项式或基函数，例如 B-splines 和 Gram polynomials，比传统卷积层有更强的表达能力。在计算时，每个卷积核在输入数据上"滑动"，进行相应函数的逐点运算，然后将结果累加为单个输出像素。

模型库

torch-conv-kan 提供了一系列基于 KAN 架构的神经网络模型选择：

  • ResKANets：ResNet 风格的网络，使用 KAN 卷积替代常规卷积。
  • DenseKANets：DenseNet 风格的网络，同样使用 KAN 卷积。
  • VGGKAN：VGG 风格的模型，集成多种 KAN 卷积层。
  • UKANet 和 U2KANet：U-net 风格的模型，基于 ResNet 块，使用 KAN 卷积。

性能指标

torch-conv-kan 在 MNIST 和 CIFAR 数据集上提供了竞争性基准测试结果。对于更大的数据集，如 Tiny Imagenet 和 Imagenet1k，模型也展现了一定的准确度与稳健性。

讨论

目前得到的结果仅为初步结果，模型架构需要进一步的探索与调整。在 MNIST 数据集上，Kolmogorov-Arnold 卷积网络表现卓著，但在 CIFAR-10 和 CIFAR-100 方面的表现相对逊色。接下来的工作将是寻找适合 KAN 卷积的架构，并尝试将其扩展至更复杂的数据集。

使用方法

torch-conv-kan 提供了简单易用的代码示例，以便用户快速上手。用户需要安装符合 CUDA 和 cuDNN 版本的 Python 和 PyTorch，随后可以通过指定配置文件和脚本来训练测试自己的数据集或模型。

python mnist_conv.py

基于 Accelerate 的训练

使用 Accelerate 加速工具来提升训练效率，并通过 Hydra 配置管理和 Wandb 日志监控实验和模型性能。通过克隆项目并安装依赖，即可按照配置文件启动训练脚本。

贡献与致谢

欢迎社区贡献和提出问题。项目基于多个开源实现进行构建，感谢这些贡献者的慷慨分享与研究探索。

文献引用

如果在科研工作中使用到本项目或者需要引用基线结果，请使用以下 BibTeX 条目。

（添加 BibTeX 条目以便引用）

torch-conv-kan 项目为多样且复杂的卷积网络领域提供了独特的视角，结合了现代深度学习和经典数学理论，有潜力在视觉任务中取得进一步的突破。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。

olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多