Logo
Project Icon

mmpretrain

支持多种模型与大规模训练配置的PyTorch开源预训练工具箱

OpenMMLabMMPreTrainPyTorch预训练工具箱多模态学习Github开源项目

MMPreTrain是基于PyTorch的开源预训练工具箱，提供丰富的训练策略和高效的模型分析工具。支持多种主干网络和预训练模型，如VGG、ResNet、Vision-Transformer等。具备强大的扩展性和高效性，适用于图像分类、图像描述、视觉问答等多种推理任务。最新版本v1.2.0增加了对LLaVA 1.5和RAM的支持，并提供Gradio界面。适用于多模态学习和自监督学习，支持大规模训练配置。提供详细的安装和教程文档，帮助用户快速入门。

访问官网访问官网GithubGithub文档文档论文论文
介绍相关项目
pytorch_mgie - 多模态大语言模型驱动的图像编辑指导系统
AI绘图GithubGradioMGIE图像编辑大语言模型开源项目
pytorch_mgie是一个基于多模态大语言模型的图像编辑指导系统，采用Apple开源的ml-mgie技术。该项目通过自然语言指令实现图像编辑，并提供Gradio演示界面展示LLaVA-7B模型在图像编辑任务中的应用。项目包含预训练模型和环境配置指南，为研究和开发提供了实验平台。
pytorch-llama - 基于PyTorch的LLaMA 2模型实现
GithubLLaMA 2PyTorch人工智能开源项目深度学习自然语言处理
pytorch-llama项目提供了LLaMA 2模型的PyTorch实现。该项目展示了使用PyTorch框架构建大型语言模型的过程，为开发者提供了理解和定制LLaMA 2的学习资源。通过这个项目，研究人员和工程师可以深入了解LLaMA 2的工作原理，并在此基础上进行进一步的实验和创新。
MultiModalMamba - 处理文本与图像的多模态AI模型
AI模型GithubMambaMultiModalMambaVision TransformerZeta开源项目
MultiModalMamba 是一个结合 Vision Transformer 和 Mamba 的高性能多模态 AI 模型，基于简洁强大的 Zeta 框架。它可以同时处理文本和图像数据，适用于各种 AI 任务，并支持定制化设置。MultiModalMamba 提供高效数据处理和多种数据类型融合，优化您的深度学习模型表现。
pytorch-image-models - 全面的PyTorch图像模型集合
GithubPyTorch图像模型开源项目深度学习神经网络计算机视觉
pytorch-image-models是一个综合性PyTorch图像模型库，提供最新计算机视觉模型、预训练权重和训练脚本。库中包含CNN和Transformer等多种架构，支持迁移学习和特征提取。项目不断更新，近期新增MobileNetV4模型并优化现有模型性能。该库为计算机视觉研究和开发提供了丰富的工具和资源。
pytorch-widedeep - 基于PyTorch的多模式深度学习工具包，结合表格、文本和图像数据
Githubpytorch-widedeep多模态深度学习宽和深模型开源项目机器学习表格数据
pytorch-widedeep是一个基于Google的Wide and Deep算法的开源项目，专为多模式数据集设计，支持结合表格、文本和图像数据。该工具包提供多种架构和自定义模型支持，如TabMlp、BasicRNN、TabTransformer等。详细的安装、快速入门和使用扩展步骤可在官方文档中找到。pytorch-widedeep适合多模式数据的深度学习研究和应用。
SLAM-LLM - 专注语音语言音频音乐处理的多模态大模型训练工具
GithubSLAM-LLM多模态大语言模型开源项目语音处理音乐处理音频处理
SLAM-LLM是一款开源深度学习工具包，为多模态大语言模型(MLLM)训练而设计。它专注于语音、语言、音频和音乐处理，提供详细训练方案和高性能推理检查点。支持自动语音识别、文本转语音等多种任务，具备易扩展性、混合精度训练和多GPU训练等特点，适合研究人员和开发者使用。
LVM - 大规模视觉模型的创新顺序建模方法
GithubLVM大规模视觉模型序列建模开源项目视觉句子视觉预训练模型
LVM是一种创新视觉预训练模型，将多种视觉数据转化为视觉句子，并进行自回归式标记预测。该模型采用顺序建模方法，无需语言数据即可学习大规模视觉模型。通过设计视觉提示，LVM可解决多种视觉任务。兼容GPU和TPU，为大规模视觉模型学习提供新方法。
VisionLLaMA - 基于LLaMA的统一视觉模型，为图像生成和理解设立新基准
GithubVisionLLaMA图像理解图像生成开源项目计算机视觉预训练模型
VisionLLaMA是一个基于LLaMA架构的统一视觉Transformer模型，专为处理2D图像而设计。该模型提供平面和金字塔两种形式，适用于广泛的视觉任务，包括图像感知和生成。通过各种预训练范式的广泛评估，VisionLLaMA在多项图像生成和理解任务中展现出卓越性能，超越了现有最先进的视觉Transformer模型，为计算机视觉领域提供了新的基准。
torchtune - PyTorch原生库助力简化大语言模型开发
GithubLLMPyTorchtorchtune开源项目微调模型训练
torchtune是一个PyTorch原生库，专为简化大语言模型(LLM)的创建、微调和实验而设计。该库提供了主流LLM的PyTorch实现、易用的微调技术配方、YAML配置文件和多种数据集格式支持。torchtune注重与生态系统工具集成，如Hugging Face、EleutherAI评估工具和PyTorch FSDP等。支持多种模型和微调方法，并优化内存效率，适配不同硬件环境。
LLaMA2-Accessory - 全方位开源工具助力大规模语言与多模态模型研发
GithubLLaMA2-Accessory多模态大语言模型开源项目微调预训练
LLaMA2-Accessory是一个全面的开源工具包,专注于大规模语言模型和多模态语言模型的开发。该工具支持预训练、微调和部署,涵盖多种数据集和任务类型。工具包提供高效的优化和部署方法,并兼容多种视觉编码器和语言模型。其中还包含SPHINX,这是一个融合多种训练任务、数据领域和视觉嵌入的多功能多模态大型语言模型。
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