Project Icon

sk2torch

实现scikit-learn模型到PyTorch模块的转换

sk2torch是一个开源工具,用于将scikit-learn模型转换为PyTorch模块。它解决了GPU加速推理、模型序列化和梯度计算等问题。sk2torch支持多种scikit-learn模型,使机器学习从业者能够利用PyTorch的GPU加速、TorchScript序列化和反向传播功能。这个项目为scikit-learn用户提供了更多的灵活性和性能优化选择。

torch-mlir - 为PyTorch生态系统提供高级编译器支持,并实现与MLIR生态系统的高效集成
GithubLLVMMLIRPyTorchTorch-MLIRTorchScript开源项目
Torch-MLIR项目为PyTorch生态系统提供高级编译器支持,并实现与MLIR生态系统的高效集成。通过多种路径,该项目能够将PyTorch模型转换成Torch MLIR方言,简化硬件供应商的开发过程。此外,还提供了预构建快照,便于安装和使用,并通过示例指导用户完成模型转换和结果运行。该项目是LLVM孵化器的一部分,正在持续发展,且拥有广泛的社区支持和交流渠道。
skforecast - 高效的Python时间序列预测库
GithubPython库scikit-learnskforecast开源项目时间序列预测机器学习
skforecast是一个专门用于时间序列预测的Python库,兼容scikit-learn API的各种回归器。它提供了全面的工具集用于训练、验证和预测,支持单序列和多序列、递归和直接策略等多种预测场景。该库注重快速原型设计、可靠模型评估和生产部署,适用于各类时间序列预测任务。
pytorch-seq2seq - 使用PyTorch实现序列到序列模型的教程
GithubPyTorchseq2seq开源项目机器翻译神经网络翻译
该项目提供一系列使用PyTorch实现seq2seq模型的教程,特别是对德语到英语的翻译。教程涵盖了seq2seq网络的基础、编码器-解码器模型、注意机制以及使用spaCy进行数据分词,并提供了详细的代码和示例,帮助学习者深入理解和应用相关技术。
Knowledge-Distillation-Toolkit - 开源知识蒸馏工具包助力机器学习模型压缩
GithubPyTorch学生模型开源项目教师模型模型压缩知识蒸馏
Knowledge-Distillation-Toolkit是一个基于PyTorch和PyTorch Lightning的开源工具包,用于简化机器学习模型压缩过程。通过知识蒸馏技术,用户只需提供教师模型、学生模型、数据加载器和推理管道即可实现模型压缩。该工具包支持多种优化方法和学习率调度器,并提供详细的使用说明和示例代码,方便研究人员和开发者进行模型压缩实验。
tensorflow-onnx - 将TensorFlow(包括tf-1.x和tf-2.x)、Keras、TensorFlow.js和TFLite模型转换为ONNX格式的工具
GithubKerasONNXPythonTensorFlowtf2onnx开源项目
该工具支持将TensorFlow(包括tf-1.x和tf-2.x)、Keras、TensorFlow.js和TFLite模型转换为ONNX格式,支持命令行和Python API操作。兼容Windows和Linux操作系统,支持Python 3.7至3.10,以及多种ONNX opset(从opset 14至opset 18)和TensorFlow版本。提供详细的安装步骤、转换指南和常见问题解决方案,全面支持saved model、checkpoint和graphdef等多种模型格式。
d2l-pytorch - MXNet代码转换为PyTorch实现的指南
Dive Into Deep LearningGithubPyTorch卷积神经网络开源项目深度学习线性神经网络
本项目基于《Dive Into Deep Learning》书籍,将MXNet代码转换为PyTorch实现。内容包括安装指南、线性神经网络、多层感知器、卷积神经网络、现代卷积网络、循环神经网络和注意力机制等章节。提供详细教程和示例代码,适合使用PyTorch进行深度学习的开发者。建议克隆仓库或使用nbviewer查看notebook文件。
sktime - 多功能时间序列分析和预测库
GithubPython库sktime开源项目时间序列分析机器学习统一接口
sktime是一个开源的Python时间序列分析库,为多种时间序列学习任务提供统一接口。它支持时间序列分类、回归、聚类、标注和预测等功能,并提供专门的时间序列算法和兼容scikit-learn的工具。sktime还整合了多个相关库的接口,便于用户在不同时间序列任务间迁移算法。
X2Paddle - 飞桨生态下的模型转换工具,致力于帮助其它深度学习框架用户快速迁移至飞桨框架
GithubPyTorchX2Paddle开源项目模型转换深度学习飞桨
X2Paddle是一个将Caffe、TensorFlow、ONNX和PyTorch模型转换为飞桨框架的开源工具。它支持推理模型和PyTorch训练项目的快速迁移,并提供详细的API对比文档。通过简单的一键命令或API,模型转换变得轻松,显著节省迁移成本。适用于Python 3.5+及多种硬件设备,同时支持PaddleLite格式及VisualDL在线转换服务,充分发挥飞桨生态系统的优势。
pytorch-toolbelt - 专为PyTorch设计的Python库,提供高效研发和Kaggle竞赛所需的工具集
GithubPyTorch乌克兰俄罗斯开源项目战争深度学习
pytorch-toolbelt是一款专为PyTorch设计的Python库,提供高效研发和Kaggle竞赛所需的工具集。其功能包括灵活的编码器-解码器架构、多种模块(如CoordConv、SCSE、Hypercolumn等)、GPU友好的测试时增强(TTA)、大图像推理及常用方法,支持多种损失函数,并与Catalyst库无缝集成。这些工具旨在简化模型构建、优化和推理过程。
torchscale - 高效扩展Transformer模型的PyTorch开源库
DeepNetGithubLongNetPyTorchTorchScaleTransformers开源项目
TorchScale是一个PyTorch开源库,旨在帮助研究人员和开发者有效扩展Transformer模型。该库专注于开发基础模型和AGI架构,提升建模的通用性、能力以及训练的稳定性和效率。其关键功能包括DeepNet的稳定性、Foundation Transformers的通用性、可延展性的Transformer和X-MoE的效率。最新更新涉及LongNet和LongViT等创新架构,支持多种应用,如语言、视觉和多模态任务,用户仅需几行代码即可快速创建和调整模型。
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