Project Icon

tnt

PyTorch训练库,简化和优化模型训练过程

TNT 是一个用于 PyTorch 的训练库,支持 pip 和 conda 安装,并提供 master 版本更新。TNT 简化了 PyTorch 模型训练,提升开发效率。

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。
torchmd-net - 神经网络势能模型的高效训练与实现框架
GPU加速GithubPyTorchTorchMD-NET分子动力学开源项目神经网络势能
TorchMD-NET是一个先进的神经网络势能(NNP)模型框架,提供高效快速的NNP实现。该框架与ACEMD、OpenMM和TorchMD等GPU加速分子动力学代码集成,并将NNP作为PyTorch模块提供。项目支持等变Transformer、Transformer、图神经网络和TensorNet等多种架构,可通过conda-forge安装或从源代码构建。TorchMD-NET具有灵活的训练配置选项,支持自定义数据集和多节点训练,并提供预训练模型。
tch-rs - Rust语言的PyTorch C++ API接口
GithubPyTorchRustlibtorchnn::Moduletch-rs开源项目
tch-rs是Rust语言对PyTorch C++ API的绑定,通过简洁的封装实现高效的深度学习模型训练和推理。支持系统全局libtorch安装、手动安装和Python PyTorch安装,兼容CUDA并支持静态链接。提供详细的安装说明和丰富的示例代码,包括基础张量操作、梯度下降训练、神经网络构建和迁移学习等,适合不同水平的开发者。
nanoT5 - 轻量高效的T5模型训练框架
GithubPyTorchT5模型nanoT5开源项目自然语言处理预训练
nanoT5是一个开源项目,旨在提供高效训练T5模型的方案。该项目在单GPU上仅用16小时就能达到与原始T5模型相当的性能,显著降低了训练成本。nanoT5优化了数据预处理、优化器选择等训练流程,为NLP研究人员提供了易用的研究模板。作为首个PyTorch实现的T5预训练框架,nanoT5为计算资源有限的研究者提供了宝贵工具。
fast_rnnt - 快速高效的RNN-T损失计算方法
GithubPyTorchRNN-T剪枝开源项目快速实现损失计算
fast_rnnt项目实现了一种快速高效的RNN-T损失计算方法。通过pruned rnnt算法,该方法使用简单joiner网络获取修剪边界,再评估完整非线性joiner网络。项目提供简单、平滑和修剪三种RNN-T损失计算功能,支持pip安装。与其他实现相比,fast_rnnt在计算速度和内存使用方面表现优异。
pytorch_tabular - 表格数据深度学习的简易化解决方案
GithubPyTorchPyTorch Lightning开源项目标签数据模型定制深度学习
PyTorch Tabular是一个开源库,旨在简化表格数据的深度学习应用。该库具有低阻力易用性、易于定制和可扩展性,基于PyTorch和PyTorch Lightning构建。提供如TabNet、NODE和GATE等多种模型选择,适用于研究和实际应用。详细的文档和简单的安装流程使用户能够快速上手和自定义模型,提高机器学习任务的效率和性能。
tt-metal - Python与C++神经网络运算库
GithubGrayskull模组TT-MetaliumTT-NNWormhole模组开源项目神经网络
TT-NN 提供灵活的神经网络运算功能,支持包括ResNet-50和BERT-Large在内的多种模型,能够实现高效的端到端和设备间的数据吞吐量。其兼容N150和N300卡的Wormhole模型,及适用于TT-QuietBox和TT-LoudBox的高性能模型,能满足不同硬件需求。结合TT-Metalium低级编程模型,提供丰富的开发指导和API参考,有助于在Tenstorrent硬件上高效地进行神经网络训练和推理。
torchgeo - 优化地理空间数据处理的机器学习与遥感工具
GithubPyTorchTorchGeo地理空间数据开源项目机器学习遥感
TorchGeo 是一个基于 PyTorch 的地理空间数据处理库,提供丰富的数据集、采样器、变换和预训练模型,旨在帮助机器学习和遥感专家更高效地处理和探索地理空间数据。该库支持多光谱传感器的预训练模型,并与 PyTorch 数据加载器完全兼容,易于集成到现有的训练工作流中。其全面的文档包括 API 使用指南、教程和示范,非常适合开发者和研究人员使用。
benchmark - 开源基准测试集评估PyTorch性能
GithubPyTorch基准测试安装开源项目性能评估模型
PyTorch Benchmarks是评估PyTorch性能的开源基准测试集。它提供修改过的流行工作负载、标准化API和多后端支持。项目包含安装指南、多种基准测试方法和低噪声环境配置工具。支持自定义基准测试和库集成。通过夜间CI运行,持续评估PyTorch最新版本性能。
tensordict - PyTorch张量集合操作的高效字典类工具
GithubPyTorchTensorDict开源项目张量操作数据处理机器学习
TensorDict是一个继承张量属性的字典类,为PyTorch提供简洁的张量集合操作方法。它支持异步设备传输、节点间快速通信、张量形状操作和分布式计算,提高了代码的可读性、紧凑性和模块化。这个工具适用于模型训练、优化器实现等机器学习任务,能有效简化代码结构,提升开发效率。
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