Project Icon

flops-counter.pytorch

神经网络运算量与参数计算工具

该工具用于计算神经网络中的理论乘法加法运算量,以及参数数量和逐层计算成本。工具支持两个后端:pytorch和aten。aten后端覆盖更多模型架构,而pytorch后端更适合CNN分析。通过设置verbose参数,可以获取未纳入复杂度计算的操作信息,通过ignore_modules选项则可以忽略特定模块,适用于研究用途。适用于Pytorch版本2.0及以上。

ncps - NCP、LTC 和 CfC 有线神经模型的 PyTorch 和 TensorFlow 实现
CfCGithubLTCNeural Circuit PoliciesPyTorchTensorFlow开源项目
神经电路策略(NCPs)是一种设计稀疏递归神经网络的方法,灵感来源于秀丽隐杆线虫的神经系统。该开源项目提供与PyTorch和TensorFlow兼容的模块,增强可审计的自主性。其安装步骤简便,并且提供了丰富的文档和互动教程,帮助用户从基础到复杂模型的创建。多种示例和教程,包括在Google Colab上的演示,让用户快速掌握NCPs的应用。
benchmarks - TensorFlow模型性能评估工具集
CNNGithubPerfZeroTensorFlow基准测试开源项目性能评估
TensorFlow benchmarks 是一个用于评估TensorFlow模型性能的开源工具集。它主要包含PerfZero基准测试框架,同时还保留了不再维护的CNN基准测试脚本。这些工具可用于测试各种神经网络模型的性能,进行跨平台比较,以及优化深度学习应用。对于研究TensorFlow模型性能的开发者,这是一个有价值的资源。
pytorch_connectomics - PyTorch Connectomics加速大脑神经连接图谱构建
GithubPyTorch Connectomics图像分割开源项目深度学习框架神经连接重建连接组学
PyTorch Connectomics是一个面向神经科学领域的开源深度学习框架,专门用于处理电子显微镜采集的大脑图像数据。该框架支持连接组学中的自动和半自动语义及实例分割,提供多任务学习、主动学习和半监督学习功能。它采用分布式和混合精度优化技术,能高效处理大规模数据集。框架包含多种编码器-解码器架构,如定制3D UNet和特征金字塔网络模型,并提供全面的体积数据增强功能。由哈佛大学视觉计算组维护,PyTorch Connectomics致力于加速大脑神经连接图谱的重建过程。
deep_sort_pytorch - 使用PyTorch实现的Deep Sort多目标追踪算法
Deep SortGithubMask RCNNPyTorchYOLOv3YOLOv5开源项目
本项目实现了基于PyTorch的Deep Sort多目标追踪算法,结合CNN模型进行特征提取,并采用YOLOv3和YOLOv5等先进检测器代替原始的FasterRCNN。项目还支持多GPU训练和多类别目标追踪,并引入了Mask RCNN实例分割模型。用户可以使用Python和PyTorch轻松启动和自定义项目,适用于行人再识别等任务。详细的更新日志和使用指南使其对机器学习及计算机视觉爱好者和研究人员尤为有用。
torch-fidelity - PyTorch生成模型评估指标库
GithubPyTorch开源项目性能指标扩展性生成模型评估高效计算
torch-fidelity是一个开源的PyTorch库,提供多种生成模型评估指标的实现。该库支持ISC、FID、KID、PRC和PPL等指标,特点是计算精确、效率高且易于扩展。它通过特征共享和缓存机制优化性能,适用于学术研究和模型训练中的实时评估。torch-fidelity还支持自定义,可适应不同的数据类型和模型结构。
TensorRT - 提升PyTorch推理效率的工具
CUDAGithubPyTorchTensorRTTorch-TensorRT安装开源项目
Torch-TensorRT将TensorRT的强大功能引入PyTorch,用户仅需一行代码即可显著提升推理性能。该工具支持在多个平台上安装,包括PyPI和NVIDIA NGC PyTorch容器。通过torch.compile或导出式工作流,用户可以高效优化和部署模型。Torch-TensorRT依赖CUDA和TensorRT,与Linux和Windows等多种平台兼容。提供丰富资源,包括教程、工具和技术讲座,供用户学习使用。
how-to-read-pytorch - 通俗易懂的PyTorch核心概念教程 从张量运算到数据加载的全面指南
GPU计算GithubPyTorch开源项目深度学习神经网络自动求导
该项目是一个PyTorch核心概念教程系列,包含5个Jupyter notebook。教程内容涵盖张量运算、自动求导、优化器、网络模块和数据加载等PyTorch关键主题。每个主题提供详细说明和可运行示例代码,旨在帮助开发者理解PyTorch的运行模型和高效GPU编程。所有notebook支持在Google Colab上免费运行,便于实践学习。
inferflow - 为大语言模型提供高效灵活的推理解决方案
GithubInferflow大语言模型开源项目推理引擎模型服务量化
Inferflow是一款功能强大的大语言模型推理引擎,支持多种文件格式和网络结构。它采用3.5位量化和混合并行推理等创新技术,提高了推理效率。用户通过修改配置文件即可部署新模型,无需编写代码。Inferflow支持GPU/CPU混合推理,为模型部署提供灵活选择。该项目为研究人员和开发者提供了高效易用的LLM推理工具。
nncf - Neural Network Compression Framework:高效神经网络推理压缩算法
GithubNeural Network Compression FrameworkONNXOpenVINOPyTorchTensorFlow开源项目
Neural Network Compression Framework (NNCF) 提供一套后训练和训练时的优化算法,用于在 OpenVINO 中优化神经网络推理,保证最小的精度损失。NNCF 支持 PyTorch、TensorFlow 和 ONNX 等模型,并提供示例展示不同压缩算法的使用案例。NNCF 还支持自动化模型图转换、分布式训练和多种算法的无缝组合,支持将压缩后的 PyTorch 模型导出为 ONNX 检查点及将 TensorFlow 模型导出为 SavedModel 格式。
PPO-PyTorch - 使用PyTorch实现的简易PPO算法工具
GithubOpenAI gymPPO-PyTorchProximal Policy Optimization开源项目强化学习超参数调整
该项目提供了一个基于PyTorch的简易PPO算法实现,适用于OpenAI Gym环境,帮助初学者理解PPO。更新内容包括整合离散和连续算法,并引入了线性衰减机制。用户可以通过PPO_colab.ipynb在Google Colab中便捷地训练、测试和绘制图表。项目支持单线程执行,并提供日志记录、可视化和动画生成工具。
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