Logo
Project Icon

schedule_free

自适应训练优化器，无需预设停止时间

Schedule-Free Learning优化器PyTorch梯度下降动量Github开源项目

Schedule-Free Learning是一种新型PyTorch优化器，无需预设训练停止时间。该方法通过结合插值和平均技术取代传统动量，提高训练效率。不依赖学习率递减调度，却能达到或超越先进调度方法的效果。支持AdamW和SGD版本，并提供实验性包装器，可与各种基础优化器兼容。这种灵活的优化方法为深度学习模型训练提供了新的可能性。

GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
carefree-learn - 简化深度学习流程，支持PyTorch高效训练与推理
AI模型GithubMIT许可PyTorchdeep learning开源项目模块化
carefree-learn项目致力于简化深度学习流程，特别是基于PyTorch的训练与推理。采用模块优先、原生兼容的设计原则，支持AI模型推理，符合现代AI的发展趋势，并遵循MIT许可证。项目提供易于使用的接口和高性能模块，适合开发者与使用者。
pytorch-lr-finder - PyTorch学习率范围测试工具
GithubPyTorch优化器学习率开源项目深度学习神经网络
pytorch-lr-finder是一个基于PyTorch的学习率范围测试工具，实现了Leslie N. Smith论文中的方法和fastai的改进版本。通过在预训练阶段调整学习率，帮助用户确定最佳学习率。工具支持梯度累积和混合精度训练，适用于多种深度学习任务。简洁的API和可视化功能便于优化神经网络训练过程。
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。
continual-learning - PyTorch 在三种不同场景中实现各种持续学习方法
Continual LearningGithubNeurIPSPyTorchSynaptic Intelligenceincremental learning开源项目
此项目实现了在增量学习场景中的PyTorch深度神经网络实验，支持学术设置下的分类问题，且可进行更加灵活的无任务增量学习实验。项目提供了演示脚本和详细的安装指导，适合多种经典方法的性能对比和自定义实验。
Adan - 快速优化深度学习模型的新方法
AdanGithubPyTorch优化器开源项目梯度下降深度学习
Adan是一种新型优化算法,结合适应性学习率和Nesterov动量,旨在加速深度学习模型训练。它在计算机视觉、自然语言处理和大规模语言模型等多个领域表现优异。相比Adam和AdamW,Adan通常能使用更大的学习率,训练速度提升5-10倍,同时保持或提高模型精度。目前,Adan已被NVIDIA NeMo、Meta AI D-Adaptation等多个知名深度学习框架和项目采用。
SpeeD - 通过时间步长优化实现扩散模型训练加速
AI生成GithubSpeeD开源项目扩散模型深度学习训练加速
SpeeD是一种创新的扩散模型训练加速技术,通过对时间步长的深入分析和优化,将训练过程分为加速、减速和收敛三个区域。该方法采用重采样和重加权策略,实现了训练速度的显著提升。SpeeD易于与现有模型集成,能有效提高扩散模型的训练效率,为图像生成等任务提供了新的解决方案。
FreeInit - 改进视频生成一致性的方法，无需额外训练
FreeInitGithub开源项目无监督学习时序一致性视频扩散模型视频生成
FreeInit改进了视频扩散模型的一致性，通过简单的频率滤波器实现噪声重初始化，无需额外训练。已集成至Diffusers和ComfyUI-AnimateDiff-Evolved，可在Hugging Face上体验在线demo。项目代码和示例脚本方便研究人员应用。
fairscale - 强化PyTorch大规模深度学习训练的开源库
FairScaleGithubPyTorch分布式训练大规模模型开源项目高性能计算
FairScale是一个开源的PyTorch扩展库，旨在提升大规模深度学习模型的训练效率。它不仅增强了PyTorch的基础功能，还引入了先进的模型扩展技术。通过提供模块化组件和简洁的API，FairScale使研究人员能够更轻松地实现分布式训练，有效应对资源受限情况下的模型扩展挑战。该库在设计时特别强调了易用性、模块化和性能优化，并支持全面分片数据并行(FSDP)等多种先进扩展技术。
grokfast - 放大低频梯度加速模型泛化
GithubGrokfast开源项目机器学习梯度下降泛化过拟合
Grokfast是一种创新的机器学习优化方法,通过放大参数梯度的低频成分来加速模型泛化。该方法可将原本需数万次迭代的泛化过程缩短50倍以上,仅需添加几行代码即可实现。Grokfast适用于图像、语言和图形等多种任务,为研究突然泛化现象提供了实用工具。项目开源了代码实现,并提供了详细的使用说明和实验复现指南。
SlowFast - 开源视频理解框架 提供多种先进模型架构
GithubPySlowFast开源项目深度学习神经网络模型视频理解计算机视觉
PySlowFast是FAIR开发的开源视频理解代码库，提供高效训练的先进视频分类模型。支持SlowFast、Non-local Neural Networks、X3D和Multiscale Vision Transformers等多种架构。该框架便于快速实现和评估视频研究创新，涵盖分类、检测等任务。PySlowFast兼具高性能和轻量级特点，适用于广泛的视频理解研究。
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