Project Icon

pytorch-metric-learning

高级度量学习工具库,适用于深度学习

PyTorch Metric Learning提供多种损失函数、挖掘器和评估工具,支持自定义和无监督学习。该库适用于各种训练和测试需求,配有详细文档和示例,适合高效嵌入空间计算的应用场景。

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。
mmcv - OpenMMLab开源计算机视觉基础库
GithubMMCVOpenMMLabPyTorch开源项目深度学习计算机视觉
MMCV是一个开源的计算机视觉基础库,提供图像和视频处理、数据转换、CNN架构等功能。支持多平台,包括Linux、Windows和macOS。库中包含高质量的CPU和CUDA操作实现,并提供完整版和精简版两种安装选项。MMCV需要Python 3.7+环境,与PyTorch深度学习框架兼容。
Deep-Learning-Experiments - 深度学习实验和课程指南,涵盖理论与实践
Deep LearningGithubLLMPyTorchSupervised LearningTransformer开源项目
本页面介绍2023版深度学习实验课程,包括理论与实践内容。涵盖监督学习、多层感知器、优化、正则化、卷积神经网络、变压器、自编码器、生成对抗网络和大型语言模型等主题,并提供开发环境、Python、Numpy、PyTorch及Gradio的实践指南。所有文档和代码示例在GitHub上提供,帮助学习者掌握深度学习技术。
Great-Deep-Learning-Tutorials - 全面深度学习教程和实用资源集锦
GithubPyTorch人工智能开源项目机器学习深度学习神经网络
该项目汇集了深度学习领域的优质教程和资源,覆盖计算机视觉、自然语言处理、语音处理等多个方向。内容包括入门教程、高级课程、技术博客和开源代码库,涵盖模型量化、AutoML、图神经网络等前沿主题。同时提供深度模型训练的实践指南,适合系统学习和深入研究深度学习的人员参考。
gpytorch - 基于PyTorch实现的灵活高斯过程建模工具
GPU加速GPyTorchGaussian processGithubKISS-GPPyTorch开源项目
GPyTorch是一个基于PyTorch实现的高斯过程库,旨在简便地创建可扩展、灵活的高斯过程模型。它通过数值线性代数技术实现了显著的GPU加速,并集成了如SKI/KISS-GP和随机Lanczos展开等先进算法,同时能与深度学习框架无缝结合。支持Python 3.8及以上版本。更多信息、示例和教程请参阅官方文档。
Trainer - 基于PyTorch的通用模型训练框架
GithubPyTorchTrainer多GPU训练实验日志开源项目模型训练
Trainer是一个基于PyTorch的开源模型训练框架,具有简洁的代码结构和灵活的优化控制。该框架支持自动优化、高级优化循环、批量大小查找、分布式训练和Accelerate集成。此外,Trainer提供回调功能、性能分析和多种实验日志记录选项,包括Tensorboard和ClearML等。这个框架适用于各类深度学习任务,能够简化训练流程并提升效率。
pytorch-llama - 基于PyTorch的LLaMA 2模型实现
GithubLLaMA 2PyTorch人工智能开源项目深度学习自然语言处理
pytorch-llama项目提供了LLaMA 2模型的PyTorch实现。该项目展示了使用PyTorch框架构建大型语言模型的过程,为开发者提供了理解和定制LLaMA 2的学习资源。通过这个项目,研究人员和工程师可以深入了解LLaMA 2的工作原理,并在此基础上进行进一步的实验和创新。
pytorch-forecasting - 前沿的时间序列预测工具包,提供灵活的高层API
GithubPyTorch ForecastingPyTorch Lightning开源项目时间序列预测深度学习神经网络
PyTorch Forecasting 是一个基于 PyTorch 的时间序列预测包,适用于实际应用和研究。它支持多种神经网络架构及自动日志记录,利用 PyTorch Lightning 实现多 GPU/CPU 的扩展训练,并内置模型解释功能。关键特性包括时间序列数据集类、基本模型类、增强的神经网络架构、多视角时间序列指标和超参数优化。安装简便,支持 pip 和 conda,文档详尽,并包含模型比较和使用案例。
tensorly - Python张量学习库,兼容多种计算后端
GithubPythonTensorLy开源项目张量代数张量分解机器学习
TensorLy是一个专注于简化张量学习的Python库,支持张量分解、张量学习和张量代数操作。其后端系统兼容NumPy、PyTorch、JAX、TensorFlow和CuPy,可在CPU或GPU上执行大规模计算。安装方便,仅需使用pip或conda命令,且提供详尽的文档和Jupyter Notebooks示例,方便用户快速入门。这个工具不仅适合学术研究,还为开发者提供了丰富的API,欢迎通过GitHub进行贡献。
LLM2Vec-Meta-Llama-3-8B-Instruct-mntp-supervised - LLM2Vec-Meta-Llama-3-8B模型——文本嵌入与语义相似度的高效工具
GithubHuggingfaceLLM2Vec-Meta-Llama-3-supervised分类句子相似度开源项目文本检索模型特征提取
LLM2Vec-Meta-Llama-3-8B-Instruct-mntp项目提供了创新的文本嵌入技术,支持文本分类、信息检索、重排序和聚类等多种任务。通过其监督模型,有效提升精度和召回率,如在Amazon反事实分类任务中准确率达79.94%,在ArguAna数据集的检索任务中各项指标优异。此项目在多种自然语言处理中展现出显著应用潜力,是评价文本语义相似度的关键工具。
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

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。

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