benchmark_VAE

统一实现常见变分自编码器并提供基准比较

pythae 变分自编码器分布式训练深度学习自动编码器 Github 开源项目

pythae库实现多种常见的变分自编码器模型，提供相同自编码神经网络架构下的基准实验和比较。用户可以用自己的数据和编码器、解码器网络训练这些模型，并集成wandb、mlflow和comet-ml等实验监控工具。最新版本支持PyTorch DDP分布式训练，提高训练速度和处理大数据集的能力。支持从HuggingFace Hub进行模型共享和加载，代码简洁高效。涵盖多种已实现模型和采样器，满足不同研究需求。

访问官网

Github

介绍相关项目

pytorch-dnc - PyTorch实现的差分神经计算机及相关模型库

DNCGithubSAMSDNC开源项目神经网络记忆增强

这个PyTorch库实现了差分神经计算机(DNC)、稀疏访问存储器(SAM)和稀疏差分神经计算机(SDNC)等模型。它提供灵活API用于构建和训练这些神经网络,支持多层控制器、共享内存等配置。库中还包含复制和加法等基准任务,以及内存可视化功能,有助于开发和评估基于外部存储的神经网络模型。

soft-moe-pytorch - PyTorch 实现的软专家混合模型框架

GithubPytorchSoft MoE专家混合开源项目深度学习神经网络

soft-moe-pytorch 项目实现了基于 PyTorch 的软专家混合 (Soft MoE) 模型。该模型支持非自回归编码器，可用于文本到图像等任务。项目特点包括灵活设置专家数量、动态分配插槽，以及与 Transformer 架构兼容。这一工具为深度学习研究和开发提供了高效、可扩展的 MoE 模型实现，有助于提升模型性能。

pytorch-lightning - 深度学习框架的全方位AI模型训练与部署解决方案

AI模型训练GithubLightning FabricPyTorch Lightning开源项目模型部署深度学习热门

深度学习框架Pytorch-Lightning 2.0版本现已推出，提供清晰稳定的API，支持AI模型的预训练、微调和部署。该框架轻松实现Pytorch代码组织，将科学研究与工程实现分离，帮助研究人员和工程师高效进行模型训练与部署。通过提供各种训练和部署选项以及兼容多种硬件和加速器，Pytorch-Lightning兼顾模型的灵活性和可扩展性，适应从初学者到专业AI研究的不同需求。

awesome-huge-models - 大型AI模型最新动态与开源资源汇总

AI训练GithubLLMdeep learning模型大模型开源开源项目

详尽介绍大型AI语言模型最新进展及开源资源，包括训练代码、数据集和预训练权重。收录Baichuan、Falcon、OpenLLaMA等模型，并关注开源与分布式训练框架如PyTorch和XLA生态。提供全面资源链接，帮助研究人员和开发者了解当前AI模型的最前沿动态。

brevitas - 面向神经网络量化的PyTorch库

BrevitasGithubPyTorch开源项目神经网络量化训练后量化量化感知训练

Brevitas是一个开源的神经网络量化PyTorch库，支持PTQ和QAT。它为常见PyTorch层提供量化版本，如QuantConv和QuantLSTM等，允许精细调整量化参数。兼容Python 3.8+和PyTorch 1.9.1-2.1，跨平台支持，推荐GPU加速。作为研究项目，Brevitas在深度学习模型压缩和效率优化方面具有重要应用价值。

pykale - 改进多模态机器学习的高效绿色解决方案

GithubPyKale多模态学习开源项目机器学习深度学习迁移学习

PyKale通过简化数据、软件和用户之间的连接，使跨学科研究的机器学习更容易访问。它专注于多模态学习和迁移学习，支持图像、视频和图形的数据类型，涵盖深度学习和降维模型。PyKale遵循绿色机器学习理念，通过减少重复、再利用资源和回收学习模型，实现高效和可持续的研究。适用于生物信息学、图像和视频识别及医学成像，利用多源知识做出准确且可解释的预测。

deephyper - 自动化机器学习任务的开源优化框架

DeepHyperGithub开源项目机器学习自动化深度集成神经架构搜索超参数优化

DeepHyper是一个专注于自动化机器学习任务的Python开源框架。它提供了超参数优化、神经网络架构搜索和深度集成不确定性量化等功能。支持单机和分布式环境,适用于多种场景。DeepHyper简化了机器学习工作流程,为研究人员和开发者提供了强大的工具。项目包含详细文档、快速入门指南和活跃的社区支持,方便用户快速上手和深入使用。

UnsupervisedScalableRepresentationLearningTimeSeries - 多变量时间序列的无监督可扩展表示学习方法

GithubPyTorchUCR数据集UEA数据集开源项目无监督学习时间序列表示学习

UnsupervisedScalableRepresentationLearningTimeSeries项目提出了一种无监督可扩展表示学习方法,专门用于处理多变量时间序列数据。该方法基于三元组损失训练编码器,能够处理等长或不等长时间序列。项目提供了UCR和UEA数据集实验代码,包括迁移学习和稀疏标记实验。此外,还包含预训练模型和结果可视化工具。在多个基准数据集上,该方法展现出优秀的性能,为时间序列分析领域提供了创新解决方案。

torchscale - 高效扩展Transformer模型的PyTorch开源库

DeepNetGithubLongNetPyTorchTorchScaleTransformers开源项目

TorchScale是一个PyTorch开源库，旨在帮助研究人员和开发者有效扩展Transformer模型。该库专注于开发基础模型和AGI架构，提升建模的通用性、能力以及训练的稳定性和效率。其关键功能包括DeepNet的稳定性、Foundation Transformers的通用性、可延展性的Transformer和X-MoE的效率。最新更新涉及LongNet和LongViT等创新架构，支持多种应用，如语言、视觉和多模态任务，用户仅需几行代码即可快速创建和调整模型。

evotorch - 基于PyTorch的高性能进化计算库

EvoTorchGithubPyTorch优化算法开源项目强化学习进化计算

EvoTorch是一个基于PyTorch的开源进化计算框架，支持黑盒优化、强化学习和监督学习等多种优化问题。它实现了PGPE、CMA-ES和遗传算法等多种进化算法，并通过GPU加速和Ray分布式计算提高优化效率。EvoTorch设计简洁易用，适合解决各类复杂优化问题，为研究人员和工程师提供了强大的工具支持。

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