torchmd-net

神经网络势能模型的高效训练与实现框架

TorchMD-NET 神经网络势能分子动力学 PyTorch GPU加速 Github 开源项目

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。

访问官网

Github

Huggingface

介绍相关项目

MegEngine - 高效、可扩展且易于使用的深度学习框架

GithubMegEngine开源项目深度学习框架硬件需求训练与推理高性能

MegEngine是一个高效、可扩展且易于使用的深度学习框架，具有统一的训练和推理框架、低硬件要求和跨平台高效推理的三大关键特性。支持x86、Arm、CUDA、RoCM等多种平台，兼容Linux、Windows、iOS、Android等系统。通过DTR算法和Pushdown内存规划器，大幅降低GPU内存使用。适用于模型开发到部署的各个环节，致力于构建开放友好的AI社区。

neural-compressor - 开源深度学习模型压缩工具库

GithubIntel Neural Compressor大语言模型开源项目模型压缩深度学习框架量化

Neural Compressor是一款开源深度学习模型压缩工具库，支持TensorFlow、PyTorch和ONNX Runtime等主流框架。它提供量化、剪枝、知识蒸馏等多种压缩技术，适用于Intel等多种硬件平台。该工具支持大语言模型优化，并与主流云服务和AI生态系统集成。其自动化的精度感知量化策略有助于平衡模型性能和精度。

soft-moe-pytorch - PyTorch 实现的软专家混合模型框架

GithubPytorchSoft MoE专家混合开源项目深度学习神经网络

soft-moe-pytorch 项目实现了基于 PyTorch 的软专家混合 (Soft MoE) 模型。该模型支持非自回归编码器，可用于文本到图像等任务。项目特点包括灵活设置专家数量、动态分配插槽，以及与 Transformer 架构兼容。这一工具为深度学习研究和开发提供了高效、可扩展的 MoE 模型实现，有助于提升模型性能。

nntrainer - 设备端神经网络训练与个性化框架

GithubNNtrainer个性化嵌入式设备开源项目机器学习神经网络

NNtrainer是专为资源受限的嵌入式设备设计的开源神经网络训练框架。支持k-NN、神经网络和逻辑回归等多种机器学习算法，提供少样本学习、ResNet和VGG等任务示例。通过设备端微调实现模型个性化，高效利用有限资源。NNtrainer独特之处在于支持设备端完整训练流程，而非仅限于推理。这使得它在保护用户数据隐私的同时，能够实现个性化模型优化。框架已在Samsung Galaxy智能手机和Ubuntu PC上验证可用。

bindsnet - 模拟尖峰神经网络的生物启发机器学习算法

BindsNETGithubPyTorch开源项目强化学习机器学习脉冲神经网络

BindsNET是一个Python库，通过PyTorch的Tensor功能在CPU或GPU上模拟尖峰神经网络（SNNs）。该库旨在开发生物启发的机器学习和强化学习算法，包含丰富的实验示例和结果分析。BindsNET还兼容OpenAI gym环境库，并支持Docker镜像部署。这一项目在生物启发神经与动态系统实验室进行，核心理念是利用尖峰时间依赖可塑性（STDP）来调整神经元间的突触权重，以解决机器学习和强化学习中的问题。

torchexplorer - 交互式PyTorch模型结构和训练过程可视化工具

GithubPyTorchTorchExplorer可视化工具开源项目模型调试神经网络

TorchExplorer是一个用于PyTorch模型可视化的开源工具,支持交互式检查网络中各nn.Module的输入、输出、参数和梯度。它可与Weights & Biases集成或独立运行,提供模型结构可视化、中间张量查看等功能。TorchExplorer有助于深入理解神经网络内部机制,简化复杂模型的调试和优化过程。

terratorch - 强大灵活的地理空间基础模型微调框架

GithubPyTorchTerraTorch地理空间数据开源项目机器学习模型微调

TerraTorch是基于PyTorch Lightning和TorchGeo的地理空间数据处理库，为地理空间基础模型提供微调框架。它支持多种预训练模型，包括图像分割、分类和像素回归任务的训练器。用户通过配置文件可启动微调任务，实现地理空间数据的处理和分析。

FasterTransformer - 基于NVIDIA平台的高性能Transformer编解码器实现与调优

BERTFasterTransformerGPTGithubNVIDIATensorRT-LLM开源项目

FasterTransformer不仅支持多框架集成，还针对NVIDIA新一代GPU优化了编解码性能，极大提升了操作效率和处理速度。包含模型支持、性能对比及API演示的详细文档，有助于用户深入了解并有效使用FasterTransformer。

MEGABYTE-pytorch - 多尺度Transformer模型实现百万字节序列预测

AI模型GithubMEGABYTEPytorchTransformer开源项目深度学习

MEGABYTE-pytorch是一个基于PyTorch实现的多尺度Transformer模型，专门用于预测百万字节长度的序列。该项目具有灵活的配置选项，支持多个本地模型，并整合了Flash Attention等先进技术。MEGABYTE-pytorch通过简洁的API接口实现长序列处理、模型训练和文本生成。此外，项目提供了基于enwik8数据集的训练示例，为开发者提供了实用参考。

torch-points3d - 用于在点云上进行深度学习的 Pytorch 框架

CUDAGithubPyTorchtorch-points3d开源项目深度学习点云分析

一个用于点云分析的深度学习框架，基于Pytorch Geometric和Facebook Hydra。该框架支持构建复杂模型并提供高层次API，支持PointNet、PointNet++、RSConv等常见模型，便捷实现分类、分割和检测任务。推荐使用Docker安装以确保兼容性。了解更多信息，请查阅文档和示例笔记本。

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