Logo
Project Icon

pytorch_scatter

优化分散操作的 PyTorch 扩展库

PyTorch数据处理高性能计算CPUGPUGithub开源项目

该扩展库为PyTorch提供了高效的稀疏更新和分段操作，包含scatter、segment_coo和segment_csr，支持sum、mean、min和max等归约方式。操作可适用于不同数据类型，并支持CPU和GPU。复合功能包括scatter_std、scatter_logsumexp、scatter_softmax和scatter_log_softmax。安装过程简单，适用于各大操作系统和PyTorch/CUDA组合。

访问官网访问官网GithubGithub文档文档
介绍相关项目
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。
ao - 优化PyTorch工作流，实现高性能和内存占用减少
GithubPyTorchtorchao开源项目推理模型量化训练
torchao是一个用于PyTorch工作流的高性能库，能够创建并集成自定义数据类型和优化技术，实现推理速度提升至2倍，显存减少65%。无需大幅修改代码，保持准确度。支持量化、稀疏化及浮点数优化，适用于HuggingFace等模型。用户可以轻松优化模型，提高计算效率。支持int8、int4和float8等多种数据类型，兼容torch.compile()和FSDP。
torchquad - 基于GPU加速的开源数值积分框架
GPUGithubPyTorchtorchquad开源项目数值积分机器学习
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。
bitsandbytes - 高效CUDA优化库 支持多位量化和矩阵运算
CUDAGithubbitsandbytes优化器开源项目硬件后端量化
bitsandbytes是一个轻量级Python库，为CUDA自定义函数提供封装。该库主要提供8位优化器、矩阵乘法(LLM.int8())以及8位和4位量化功能。通过bitsandbytes.nn模块实现多位线性层，bitsandbytes.optim模块提供优化器。目前正在拓展对更多硬件后端的支持，包括Intel CPU+GPU、AMD GPU和Apple Silicon，Windows平台的支持也在开发中。
semantic-segmentation - 提供丰富数据集和易于定制的语义分割模型
GithubPyTorchSOTASemantic Segmentation开源项目数据集模型库
该项目提供易于使用和定制的SOTA语义分割模型，支持多种任务和数据集。适合高精度和定制应用场景，涵盖场景解析、人类解析、人脸解析等任务。特点包括多种主干网络和分割模型，支持PyTorch、ONNX、TFLite等框架的推理和导出。即将迎来重大更新，包括新的训练流程、预训练模型、教程和分布式训练支持。用户可通过详细文档和示例轻松使用并配置定制数据集，实现高效的语义分割。
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。
pytorch-stable-diffusion - 从零完成Stable Diffusion的PyTorch实现
该项目通过PyTorch从头实现Stable Diffusion，包括权重和tokenizer文件的下载链接，以及微调模型的下载指南。特别感谢多个相关开源项目的支持，完善此实现。
Ensemble-Pytorch - PyTorch集成学习框架助力模型优化
Ensemble-PyTorchGithubpytorch开源项目机器学习模型集成深度学习
Ensemble-Pytorch是一个为PyTorch设计的集成学习框架，旨在提高深度学习模型的性能和鲁棒性。该框架支持多种集成策略，如Fusion、Voting、Bagging和Gradient Boosting，适用于分类和回归任务。作为PyTorch生态系统的一部分，Ensemble-Pytorch提供简洁的API和详细文档，便于研究人员和开发者实现和优化集成模型。
pytorch-book - PyTorch 1.8入门与高级应用指南
GithubPyTorch开源项目深度学习生成对抗网络神经网络自然语言处理
这本书提供了《深度学习框架PyTorch：入门与实践（第2版）》的对应代码，基于PyTorch 1.8编写，内容涵盖基础使用、高级扩展和实战应用三大模块。读者可以学习从安装PyTorch、使用Tensor与自动微分系统、构建神经网络模块到进行数据加载与GPU加速等操作。此外，还讲解了向量化、分布式计算及CUDA扩展的高级技术，并通过图像分类、生成对抗网络、自然语言处理、风格迁移及目标检测等实战项目，深入理解并应用PyTorch进行深度学习开发。
ignite - PyTorch工具库，专为简化神经网络训练与评估设计
GithubPyTorch-Ignite事件和处理器开源项目神经网络训练评估
Ignite是一个为PyTorch设计的库，帮助用户以灵活和透明的方式训练及评估神经网络。这个库通过简化代码，提供了控制简单且强大的API，支持度量和实验管理等功能。其简单的引擎和事件系统，以及开箱即用的度量工具，使得模型评估变得轻松。它还包含用于训练管理、保存工作成果和记录关键参数的内置处理器。此外，Ignite还支持自定义事件，满足高级用户需求。
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

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。

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