Project Icon

torchquad

基于GPU加速的开源数值积分框架

torchquad是一个开源的高性能数值积分框架,支持PyTorch、JAX和Tensorflow等多个后端。该框架针对GPU进行了优化,能有效处理高维积分问题,并在GPU上展现出优异的扩展性。torchquad提供多种积分方法,支持自动微分,适用于机器学习和科学计算等领域。其简洁的API设计使研究人员和开发者能够高效地完成复杂的数值积分任务。

tiny-cuda-nn - 专注于快速训练和查询神经网络的开源框架
C++编程CUDAGPUGithubTiny CUDA Neural Networks开源项目深度学习
Tiny CUDA Neural Networks是一个紧凑、高效的开源框架,专注于快速训练和查询神经网络。它包含优化的多层感知器(MLP)和多分辨率哈希编码,并支持多种输入编码、损失函数和优化器。适用于NVIDIA GPU,通过C++/CUDA API和PyTorch扩展,助力高性能计算和深度学习项目。
bayesian-torch - 贝叶斯神经网络层和不确定性估计的PyTorch扩展库
Bayesian-TorchGithubPyTorch不确定性估计变分推断开源项目深度学习
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。
DI-hpc - 高性能计算组件加速强化学习算法
CUDADI-HPCGithubPyTorch开源项目强化学习算法加速
DI-HPC是一款专为强化学习算法设计的高性能计算组件,主要用于加速GAE、n-step TD和LSTM等常见模块。该组件支持前向和反向传播,适用于训练、数据收集和测试环节。DI-HPC兼容CUDA环境和多个PyTorch版本,提供简便的安装方式和性能测试工具。通过提升计算效率,DI-HPC为强化学习研究和开发提供了有力支持。
pytorch-ts - 概率时间序列预测开源框架
GithubPyTorchPyTorchTS开源项目时间序列预测概率模型深度学习
PyTorchTS是一个基于PyTorch的开源时间序列预测框架,利用GluonTS作为后端API。它提供先进的概率模型,支持数据处理和回测。该框架适用于单变量和多变量时间序列预测,安装简便,易于使用。PyTorchTS为数据科学家和研究人员提供了高效的时间序列分析工具。
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。
neuraloperator - 用于 在 PyTorch 中学习神经算子的综合性库
Fourier Neural OperatorsFunction SpacesGithubNeuralOperatorPyTorchTensorized Neural Operators开源项目
neuraloperator库在PyTorch中实现了神经算子的学习,包括傅里叶神经算子和张量化神经算子。神经算子能实现函数空间间的映射,并支持任何分辨率的数据。该库提供了简单的安装和快速上手指南,并集成了Weights and Biases。欢迎社区贡献和提交问题。
EfficientQAT - 高效量化训练技术助力大型语言模型压缩
EfficientQATGithubPyTorch大语言模型开源项目模型压缩量化训练
EfficientQAT是一种针对大型语言模型的量化训练技术。该技术采用两阶段训练方法,包括分块训练所有参数和端到端训练量化参数,在压缩模型大小的同时保持性能。EfficientQAT支持GPTQ和BitBLAS等多种量化格式,已成功应用于Llama和Mistral等模型系列,有效降低模型存储需求,为大型语言模型的部署提供了实用方案。
diffrax - JAX 自动微分与 GPU 支持的数值微分方程解析工具
CDEDiffraxGithubJAXODESDE开源项目
Diffrax 是基于 JAX 的数值微分方程解析库,适用于常微分方程、随机微分方程和受控微分方程的求解。其特点包括多种解析器选择(如 Tsit5、Dopri8、辛解析器、隐式解析器)、使用 PyTree 作为状态存储、支持稠密解和多种反向传播方法,并支持神经微分方程。兼容 Python 3.9+、JAX 0.4.13+ 和 Equinox 0.10.11+。
pytorch-frame - 模块化深度学习框架用于异构表格数据
GithubPyTorch Frame开源项目模块化框架深度学习神经网络表格数据
PyTorch Frame是一个为异构表格数据设计的深度学习框架,支持数值、分类、时间、文本和图像等多种列类型。它采用模块化架构,实现了先进的深度表格模型,并可与大型语言模型集成。该框架提供了便捷的mini-batch加载器、基准数据集和自定义数据接口,简化了表格数据的深度学习研究过程,适用于各层次研究人员。框架内置多个预实现的深度表格模型,如Trompt、FTTransformer和TabNet等,并提供与XGBoost等GBDT模型的性能对比基准。PyTorch Frame无缝集成于PyTorch生态系统,便于与其他PyTorch库协同使用,为端到端的深度学习研究提供了便利。
numba - Python数值计算的开源JIT编译器
GithubNumbaPython优化开源项目数值计算编译器
Numba是一个开源的Python JIT优化编译器,专注于数值计算。它将Python语法转换为机器代码,支持编译大部分数值计算相关的Python代码,包括多数NumPy函数。Numba具备循环自动并行化、GPU加速和ufuncs创建等功能,能够显著提升Python数值计算的性能。适用于科学计算、金融建模、机器学习等高性能计算场景。
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

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。

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