Project Icon

PyDGN

深度图网络研究与实验的Python开源库

PyDGN是一个面向深度图网络(DGNs)研究的开源Python库。该库提供自动化的数据处理、实验管理和并行计算功能,支持模型选择与风险评估。PyDGN简化了图学习实验流程,有助于快速原型设计和结果复现,为图神经网络研究提供了实用工具。它支持CPU和GPU并行计算,可同时评估多种模型配置。PyDGN适用于各类深度图网络研究,包括图分类、节点分类等任务。该库提供了完整的实验管理流程,从数据预处理到模型评估,有助于提高研究效率和结果可靠性。

dspy-neo4j-knowledge-graph - DSPy和Neo4j驱动的自动知识图谱构建工具
DSPyDockerGPT-4GithubNeo4j开源项目知识图谱
dspy-neo4j-knowledge-graph项目结合DSPy、Neo4j和GPT-4技术,实现文本到知识图谱的自动化构建。系统能从文本中提取实体和关系,生成Cypher查询语句,并在Neo4j数据库中创建知识图谱。通过优化模式上下文,支持与现有数据结构的连接。项目提供简洁的安装和使用流程,为知识图谱研究和应用提供开源解决方案。项目采用Docker容器化部署Neo4j,简化了环境配置过程。使用Python虚拟环境管理依赖,确保了运行环境的一致性。系统通过环境变量配置API密钥和数据库连接,增强了安全性和灵活性。项目文档提供了详细的安装、使用和清理说明,便于用户快速上手和维护。
DiG - 基于门控线性注意力的高效可扩展扩散模型
DiGDiffusion ModelsGated Linear AttentionGithub图像生成开源项目深度学习
DiG项目提出了一种基于门控线性注意力的扩散模型,用于解决现有模型在可扩展性和计算效率方面的挑战。该模型在高分辨率下展现出显著的训练速度提升和内存节省,性能优于DiT。DiG在不同计算复杂度下表现出色,随着模型深度/宽度增加或输入令牌增强,FID值持续下降。与其他次二次时间复杂度的扩散模型相比,DiG在多种分辨率下都展现出卓越的效率。
Det3D - 提供多数据集和算法支持的3D目标检测工具箱
3D对象检测Det3DGithubKITTIPointPillarsPyTorch开源项目
Det3D是一款基于PyTorch的3D目标检测工具箱,支持多个数据集如KITTI、nuScenes、Lyft,并实现了多种3D目标检测算法如PointPillars、SECOND、PIXOR等。其特点包括高性能、支持分布式训练和同步批归一化,以及灵活的模型配置和可视化工具。Det3D适合自动驾驶、机器人和增强现实等领域的研究人员和开发者。
ILearnDeepLearning.py - 深度学习和数据科学的开源实践项目集
GithubILearnDeepLearning.pyMedium开源项目数据科学深度学习神经网络
此开源项目库集合了多个与深度学习和数据科学相关的小项目,通过实际操作帮助用户理解复杂的神经网络问题。内容包括详细的代码示例和可视化展示,涵盖梯度下降、神经网络数学原理、过拟合分析、优化器选择、卷积神经网络理论及自定义对象检测模型的训练等。适合希望深入了解和实践深度学习技术的用户,内容实用且丰富。
gigagan-pytorch - 最新生成对抗网络GigaGAN的实现,优化训练收敛和模型稳定性
AdobeGigaGANGithubLAIONPyTorchStabilityAI开源项目
gigagan-pytorch项目实现了Adobe最新的生成对抗网络GigaGAN,优化了跳层激励和辅助重建损失,以提升训练收敛速度和模型稳定性。项目支持高分辨率上采样器,具备混合精度和多GPU训练功能。适合寻求高效稳定GAN训练的开发者和研究人员。可加入Discord社区,与LAION合作获取更多支持。
instant-ngp - 高效训练和渲染神经图形基元的开源框架
3D重建GithubNeRF实时渲染开源项目机器学习神经图形基元
instant-ngp是一个基于CUDA的开源框架,用于高效训练和渲染神经图形基元。该项目支持NeRF、SDF、神经图像和神经体积等多种基元,通过多分辨率哈希编码和tiny-cuda-nn实现快速训练。instant-ngp提供交互式GUI、VR模式和相机路径编辑等功能,便于探索和创建各类神经图形。此外,其Python接口支持自动化实验和功能扩展。
generative_adversarial_networks_101 - 探索生成对抗网络的核心概念和实践实现
GANGithub人工智能图像生成开源项目深度学习生成对抗网络
该项目全面介绍生成对抗网络(GANs)的基本概念和应用实践。内容涵盖多种GAN模型在MNIST和CIFAR-10数据集上的具体实现,包括DCGAN、CGAN等。通过详细的代码示例、训练过程和结果可视化,展示了GAN的工作原理。项目还提供丰富的参考资料和相关论文,为深入学习和实践GAN提供了有价值的资源。
DeepRobust - PyTorch图像和图神经网络对抗性攻防开源库
DeepRobustGithubPyTorch图神经网络对抗攻击开源项目机器学习
DeepRobust是一个基于PyTorch的开源库,专注于图像和图神经网络的对抗性攻击与防御。它提供多种攻防算法,支持MNIST、CIFAR10等数据集,可与PyTorch Geometric集成。该库适用于对抗性机器学习研究,也为构建鲁棒深度学习模型提供工具。DeepRobust支持大规模图如OGB-ArXiv的攻击,并包含节点嵌入攻击和受害模型。它还提供图像预处理方法APE-GAN,支持ImageNet数据集,新增UGBA后门攻击和PRBCD可扩展攻击算法。库中包含MedianGCN、AirGNN等鲁棒模型,以及用于转换PyTorch Geometric和DeepRobust数据集的工具,成为全面的对抗性机器学习研究平台。
graphsignal-python - Graphsignal为AI应用提供全面观测与性能优化
AI观测GithubGraphsignal应用监控开源项目性能分析错误追踪
Graphsignal是一个面向AI代理和LLM应用的观测平台,提供AI上下文追踪、交互评分、延迟分析、成本监控和异常检测等功能。该平台支持OpenAI和LangChain等主流框架,性能开销低,可帮助开发者轻松监控和分析AI应用,提升整体运行效果。通过Graphsignal,开发团队能够更好地了解AI应用的运行状况,及时发现并解决潜在问题。该平台采用自动化集成方式,便于开发者快速部署,实现AI应用的实时监控和性能优化。
DRL-Pytorch - PyTorch实现的深度强化学习算法集合
DRL算法GithubPyTorch人工智能开源项目强化学习深度学习
DRL-Pytorch项目提供多种常用深度强化学习算法的PyTorch实现,包括Q-learning、DQN变体、PPO、DDPG、TD3和SAC等。代码结构清晰统一,便于研究人员和开发者比较不同算法。项目还包含详细使用说明、依赖列表和学习资源推荐,有助于快速入门和实践。
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。

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