Project Icon

VanillaNet

高效简约的深度学习神经网络架构

VanillaNet是一种创新的神经网络架构,专注于简洁性和效率。它摒弃了复杂的快捷连接和注意力机制,仅使用较少的层数就能保持出色的性能。该项目展示了精简架构也能实现有效结果,为计算机视觉领域开辟了新路径,挑战了基础模型的现状。与主流模型相比,VanillaNet在保持相当性能的同时,具有更少的层数和更快的推理速度。

paper-reading - 深度学习基础架构与工程应用详细介绍
AI compilerCUDADeep LearningGithub开源项目深度学习框架高性能计算
本页面介绍了深度学习基础架构及其工程应用,包括编程语言、算法训练与推理部署、AI编译器加速和硬件工程。页面提供了Deep Learning、HPC高性能计算等学习资源和工具链接,并涵盖Docker、K8S、Protobuf与gRPC等工程化解决方案。还提供相关教程与代码示例,适合深度学习和高性能计算领域的开发者和研究人员。
XNNPACK - 多平台优化的神经网络推理引擎 支持移动和嵌入式系统
GithubXNNPACK开源项目深度学习框架神经网络推理移动平台优化算子支持
XNNPACK是一个用于加速高级机器学习框架的神经网络推理引擎。它支持ARM、x86、WebAssembly和RISC-V等多种平台,提供低级性能原语,优化TensorFlow Lite、PyTorch等框架的运行效率。XNNPACK实现了丰富的神经网络操作符,在移动设备和嵌入式系统上表现出色,能高效运行各代MobileNet模型。在Pixel 3a上,XNNPACK能在44毫秒内完成FP32 MobileNet v3 Large的单线程推理,展现了其卓越的性能。
morph-net - 在训练过程中优化深度网络结构的方法
FLOPsFiGSGithubMorphNet开源项目正则化深度网络结构
MorphNet是一种在训练过程中优化深度网络结构的方法。通过使用正则化器优化FLOPs或模型大小等资源的消耗,MorphNet实现了受约束的网络结构优化。新方法FiGS采用概率性通道正则化,适用于剪枝和可微架构搜索。MorphNet可以在不改变网络拓扑的情况下调整卷积层的输出通道数,以简化模型并满足内存和延迟需求。项目由Elad Eban和Andrew Poon等人维护。
LongNet - 扩展Transformer到10亿标记的创新变体
Dilated AttentionGithubLongNetTransformer开源项目机器学习长序列建模
LongNet是一个创新的Transformer变体,通过膨胀注意力机制扩展序列长度至超过10亿标记,同时保持对较短序列的高性能。该模型具有线性计算复杂度,适用于极长序列的分布式训练,并且其膨胀注意力可以无缝替代标准注意力。实验结果证明,LongNet在长序列建模和一般语言任务上表现出色,为处理整个语料库或互联网序列开辟了新路径。
torch-conv-kan - 引入基于Kolmogorov-Arnold表示理论的高效卷积神经网络
CUDAConvolutional layersGithubKolmogorov-Arnold NetworksPyTorchTorchConv KAN开源项目
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。
VILA - 创新的视觉语言模型预训练方法
GithubVILA多模态开源项目视觉语言模型量化预训练
VILA是一种新型视觉语言模型,采用大规模交错图像-文本数据预训练,增强了视频和多图像理解能力。通过AWQ 4位量化和TinyChat框架,VILA可部署到边缘设备。该模型在视频推理、上下文学习和视觉思维链等方面表现出色,并在多项基准测试中获得了优异成绩。项目完全开源,包括训练和评估代码、数据集以及模型检查点。
Convolutional-KANs - KAN卷积网络探索参数效率与性能提升
CKANGithub卷积图像处理开源项目机器学习神经网络
Convolutional-KANs项目将Kolmogorov-Arnold网络(KAN)架构应用于卷积层,引入可学习的非线性激活函数。初步实验表明,KAN卷积在保持准确性的同时,可能比传统卷积网络更具参数效率。该项目正在更复杂的数据集上进行进一步测试,以评估KAN卷积的实际性能。这一创新为计算机视觉领域开辟了新的研究方向。
Awesome-Backbones - 图像分类的主干网络库及其使用教程
Awesome-BackbonesGithubPyTorch图像分类开源项目模型训练预训练权重
提供丰富的图像分类主干网络,包括TinyViT、DeiT3、EdgeNeXt、RevVisionTransformer等,兼容Pytorch 1.7.1+及Python 3.6+。项目包含环境搭建、数据集准备、训练和评估的详细教程,适合科研和实际应用,提升图像分类模型性能。提供快速开始指南和预训练权重,帮助开发者高效部署与测试。
SSD-Tensorflow - 目标检测的单一网络实现
COCOGithubPascal VOCSSDTensorFlowVGG开源项目
SSD是一种高效的目标检测框架,利用单一网络结构实现物体识别。该项目提供了TensorFlow的重实现版本,支持VGG架构并且易于扩展到其他变种,如ResNet和Inception。项目包括数据集接口、网络定义和数据预处理模块,用户可以通过提供的脚本进行模型训练和评估,支持Pascal VOC数据集。代码和示例帮助用户快速上手并应用于实际检测任务。
Hypernets - 自动机器学习通用框架 支持多种算法与优化技术
AutoMLGithubHypernets开源项目机器学习神经架构搜索超参数优化
Hypernets作为一个通用AutoML框架,能够为多种机器学习框架和库提供自动优化工具。它不仅支持TensorFlow、Keras、PyTorch等深度学习框架,还兼容scikit-learn、LightGBM、XGBoost等机器学习库。该框架集成了多种先进的单目标和多目标优化算法,并引入抽象搜索空间表示,满足超参数优化和神经架构搜索的需求,从而适应各类自动机器学习场景。
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

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