Logo
Project Icon

variational-autoencoder

变分自编码器参考实现，兼容TensorFlow和PyTorch

Variational AutoencodertensorflowPyTorchjaxMNISTGithub开源项目

该项目提供了变分自编码器的参考实现，支持TensorFlow和PyTorch。项目中包含了逆自回归流变分家族的示例，通过变分推断对二值MNIST手写数字图像进行拟合。通过重要性采样估计边际似然，展示了高效的训练和验证结果。优化后的测试集边际对数似然达到了-95.33 nats。此外，该项目还提供了JAX实现，能够实现3倍于PyTorch的加速效果。

GithubGithub文档文档
介绍相关项目
tf2jax - 实验性TensorFlow到JAX函数转换库
GithubJAXTF2JAXTensorFlow函数转换开源项目机器学习
tf2jax是一个实验性库，用于将TensorFlow函数和计算图转换为JAX函数。它支持SavedModel和TensorFlow Hub格式，使现有TensorFlow模型能够在JAX环境中重用。该库提供透明的转换过程，便于调试和分析。tf2jax支持自定义梯度和随机性处理，并提供灵活的配置选项。尽管存在一些限制，tf2jax为JAX用户提供了一种集成TensorFlow功能的有效方法。
dc-ae-f64c128-in-1.0 - 深度压缩自编码器提高高分辨率模型性能
Deep Compression AutoencoderGithubHuggingface图像生成开源项目模型残差自编码训练加速高分辨率扩散模型
DC-AE凭借残差自编码和分阶段训练策略提升了高空间压缩率自编码器的重建精度，不仅在高分辨率扩散模型中实现了高效运行，还保持了优越的性能表现。在ImageNet 512x512测试中，DC-AE比传统SD-VAE-f8自编码器提高了19.1倍的推理速度和17.9倍的训练速度。
TransformerHub - 实现与参考多种Transformer模型
BERTGPTGithubTransformerTransformerHubViT开源项目
此项目实现了多种Transformer架构，包括seq2seq、仅编码器、仅解码器和统一模型，旨在提高编程技能并提供深度学习参考。特色包括多种Attention模块、位置嵌入和采样方法，当前进展是实现DINO模型。项目受到多个开源项目的启发和支持。
probability - TensorFlow生态系统中的概率推理与统计分析工具
GithubTensorFlow Probability分布计算开源项目概率推理深度学习统计分析
TensorFlow Probability 是一个概率推理与统计分析库，作为 TensorFlow 生态系统的一部分，结合了概率方法与深度网络。其功能包括自动微分的梯度推断，以及通过 GPU 和分布式计算实现对大规模数据集和模型的可扩展性。主要组件包括概率分布、可逆变换、联合分布、概率层和多种概率推断算法，如马尔可夫链蒙特卡洛和变分推断。提供详细教程和案例，帮助用户解决实际问题。
CompressAI - 基于PyTorch的端到端压缩研究开源库
CompressAIGithubPyTorch图像压缩开源项目深度学习评估平台
CompressAI是基于PyTorch的开源库,致力于端到端压缩研究。该库提供深度学习数据压缩的自定义组件、预训练图像压缩模型,以及评估工具用于比较学习型模型与传统编解码器。支持Python 3.8+和PyTorch 1.7+,为压缩技术研究提供了实用平台。
WaveRNN - 高效神经音频合成技术
GithubPytorchTTSTacotronWaveRNN开源项目语音合成
WaveRNN通过Pytorch实现了Deepmind的高效神经音频合成技术，并包含Tacotron训练支持， 提供两种预训练模型。项目向研究者和开发者开放，并附有详细使用指南与多样化的自定义功能，以便进行高质量的文本到语音转换。
DeepRL - PyTorch 中深度强化学习算法的模块化实现
A2CDQNDeepRLGithubPyTorch开源项目深度强化学习
DeepRL项目使用PyTorch实现了一系列流行的深度强化学习算法，提供模块化框架，适用于从简单任务到高难度游戏。支持的算法包括DQN、C51、QR-DQN、A2C、DDPG、PPO等，并具备异步数据生成和传输功能。项目依赖PyTorch v1.5.1，具体依赖请参考Dockerfile和requirements.txt。此外，项目提供代码示例和性能曲线图，适合相关研究参考和使用。
PyTorch_Tutorial - PyTorch深度学习实践教程
GithubPyTorch代码实践开源项目教程模型训练深度学习
PyTorch_Tutorial是一个综合性深度学习教程项目，专注于PyTorch框架的应用。教程涵盖基础到高级的模型训练技巧，提供计算机视觉、自然语言处理和大型语言模型等领域的实践案例。内容还包括ONNX和TensorRT等推理部署框架的使用指南，展示了从模型开发到部署的完整流程。项目定期更新，配有环境配置说明，适合深度学习研究者和实践者参考学习。
uvadlc_notebooks - 深度学习系列教程，覆盖优化、Transformer、图神经网络等多个主题
GithubJAX+FlaxPyTorchUvA Deep Learning Tutorials开源项目教程深度学习
这套深度学习教程有助于理解理论知识，涵盖优化、Transformer、图神经网络等主题。基于PyTorch和PyTorch Lightning框架，并提供JAX+Flax实现。教程支持本地运行、Google Colab和Snellius集群，多种方式供选择。每个教程包含详细的笔记本，实现理论与实践相结合。本课程与正式作业和考试相关，适合想深入了解深度学习及应用的学习者。
gpytorch - 基于PyTorch实现的灵活高斯过程建模工具
GPU加速GPyTorchGaussian processGithubKISS-GPPyTorch开源项目
GPyTorch是一个基于PyTorch实现的高斯过程库，旨在简便地创建可扩展、灵活的高斯过程模型。它通过数值线性代数技术实现了显著的GPU加速，并集成了如SKI/KISS-GP和随机Lanczos展开等先进算法，同时能与深度学习框架无缝结合。支持Python 3.8及以上版本。更多信息、示例和教程请参阅官方文档。
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