flops-counter.pytorch

神经网络运算量与参数计算工具

ptflops 神经网络 pytorch 计算复杂度参数计数 Github 开源项目

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。

访问官网

Github

介绍相关项目

FlowMeter - 实验性网络流量分类与分析工具

FlowMeterGithub安全分析开源项目机器学习流量分类网络包分析

FlowMeter是一款实验性网络流量分析工具，通过检查数据包头部来分类和分析网络流量。它可将数据包和流量标记为良性或恶意，具有高准确率和低误报率。该工具还能将数据包归类为流，并提供详细的流量统计信息。FlowMeter主要面向需要在网络数据包上开发和应用机器学习模型的用户，同时作为Deepfence ThreatMapper的预过滤组件。

torchlm - 面向人脸关键点检测的开源工具包

Githubtorchlm人脸关键点检测开源项目数据增强模型训练深度学习

torchlm是一个开源的人脸关键点检测工具包,提供训练、评估、导出和推理功能。它包含100多种数据增强方法,支持30多种原生关键点增强,可与torchvision和albumentations集成。torchlm实现了PIPNet等先进模型,在多个基准数据集上性能出色。该项目简化了人脸关键点检测的开发流程,适用于研究和实际应用。

UnboundedNeRFPytorch - 大规模神经辐射场基准测试的指南

BenchmarkGithubNeRFPytorchState-of-the-artUnbounded Neural Radiance Fields开源项目

UnboundedNeRFPytorch项目专注于基准测试多种最新的大规模神经辐射场（NeRF）算法，并提供简洁高效的代码库。项目展示了在Unbounded Tanks & Temples和Mip-NeRF-360基准测试中的优秀表现，旨在帮助研究人员和开发者提升NeRF应用效果。包括详细的安装步骤、数据处理指南和训练自定义NeRF模型的方法，适合技术用户快速上手并获得佳绩。

flash-attention-minimal - 简化Flash Attention的CUDA和PyTorch最小化实现

CUDAFlash AttentionGPU加速GithubPyTorch开源项目注意力机制

flash-attention-minimal是一个开源项目，使用CUDA和PyTorch对Flash Attention进行最小化实现。项目仅用约100行代码完成前向传播，遵循原始论文符号表示，为CUDA初学者提供简明教程。通过与手动注意力机制的性能对比，展示了显著的速度提升。尽管目前存在一些限制，如缺少反向传播和固定块大小，但该项目为理解Flash Attention核心概念提供了有价值的参考资料。

efficientdet - EfficientDet目标检测模型的PyTorch实现

COCO数据集EfficientDetGithub开源项目深度学习目标检测计算机视觉

本项目提供了EfficientDet目标检测模型的PyTorch实现。支持COCO数据集的训练、评估和测试，在COCO val2017上达到0.314 mAP。包含预训练权重、视频测试功能和使用说明。适合研究人员和开发者参考使用。

tt-metal - Python与C++神经网络运算库

GithubGrayskull模组TT-MetaliumTT-NNWormhole模组开源项目神经网络

TT-NN 提供灵活的神经网络运算功能，支持包括ResNet-50和BERT-Large在内的多种模型，能够实现高效的端到端和设备间的数据吞吐量。其兼容N150和N300卡的Wormhole模型，及适用于TT-QuietBox和TT-LoudBox的高性能模型，能满足不同硬件需求。结合TT-Metalium低级编程模型，提供丰富的开发指导和API参考，有助于在Tenstorrent硬件上高效地进行神经网络训练和推理。

PhiFlow - 注重物理模拟与机器学习的开源仿真工具

GPU执行GithubPhiFlowPython开源项目机器学习模拟工具包

PhiFlow 是一款开源仿真工具包，专为优化和机器学习应用设计。它主要用 Python 编写，与 NumPy、PyTorch、Jax 和 TensorFlow 深度集成，利用这些框架的自动微分功能，简化涉及学习模型和物理仿真的可微函数构建。PhiFlow 特别适用于流体现象的 PDE 操作，通过联网操作支持实时可视化和交互控制，并支持 GPU 执行，为用户提供简洁、灵活且可扩展的编码体验。

pytorch-frame - 模块化深度学习框架用于异构表格数据

GithubPyTorch Frame开源项目模块化框架深度学习神经网络表格数据

PyTorch Frame是一个为异构表格数据设计的深度学习框架，支持数值、分类、时间、文本和图像等多种列类型。它采用模块化架构，实现了先进的深度表格模型，并可与大型语言模型集成。该框架提供了便捷的mini-batch加载器、基准数据集和自定义数据接口，简化了表格数据的深度学习研究过程，适用于各层次研究人员。框架内置多个预实现的深度表格模型，如Trompt、FTTransformer和TabNet等，并提供与XGBoost等GBDT模型的性能对比基准。PyTorch Frame无缝集成于PyTorch生态系统，便于与其他PyTorch库协同使用，为端到端的深度学习研究提供了便利。

flash-attention - 高效注意力机制加速深度学习模型训练

CUDAFlashAttentionGPU加速GithubPyTorch开源项目注意力机制

FlashAttention是一种高效的注意力机制实现,通过IO感知算法和内存优化提升计算速度并降低内存消耗。它支持NVIDIA和AMD GPU,适用于多种深度学习框架。最新的FlashAttention-3版本针对H100 GPU进行了优化。该项目提供Python接口,可集成到现有模型中,有助于加速大规模深度学习模型的训练过程。

OpenNMT-py - 开源的神经机器翻译与大型语言模型框架

EoleGithubLLM支持Neural Machine TranslationOpenNMT-pyPyTorch开源项目

OpenNMT-py是基于PyTorch的开源神经机器翻译和语言模型框架，适用于研究和生产。支持大语言模型转换、量化以及多GPU并行。提供教程、文档和社区支持，适合翻译、总结等多种NLP任务。最新版本引入了多查询注意力机制和线性去偏等新功能。

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