pytorch 第 2 页

本站收录 605 个带「pytorch」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 13 页）

ChatRWKVChatRWKV 是一个基于 RWKV 语言模型的开源对话助手，RWKV 是一种 100% 循环神经网络（RNN）架构，旨在以较低的计算成本实现类似 ChatG★ 9,495SoupSoup 是一个用于微调大语言模型（LLM）的开源工具，它通过一个 YAML 配置文件即可完成整个微调流程，极大简化了操作。其核心亮点是采用“层流式训练”（La★ 9,458SanaNVIDIA 开源的高效高分辨率图像合成模型，采用线性 Diffusion Transformer 架构，在保持高质量生成的同时显著降低计算开销，支持超高清图像★ 9,409oumioumi 是一个专注于开源大语言模型（LLM）微调、评估和部署的全流程工具包。它旨在简化从模型选择到生产部署的复杂流程，支持 Qwen、Gemma、Llama ★ 9,409deeplake面向 AI Agent 的数据运行时，提供无服务器 PostgreSQL 与多模态数据湖，支持大规模数据的高效检索与训练。开发者可以像使用数据库一样管理图像、文★ 9,255introtodeeplearningMIT 6.S191《深度学习导论》课程的官方实验材料，包含一系列Jupyter Notebook教程，覆盖深度学习基础、计算机视觉、自然语言处理、生成模型等核★ 8,847ipex-llmipex-llm 是英特尔推出的开源工具库，旨在加速本地大语言模型（LLM）的推理和微调。它支持在 Intel XPU（包括集成显卡、独立显卡如 Arc/Fle★ 8,846MONAIMONAI 是面向医疗影像的 PyTorch 开源 AI 工具包，由 NVIDIA 等机构推动，目标是把医学图像从数据读取、预处理、增强、训练到推理部署的整条链★ 8,789EmotiVoice网易有道开源的多音色、提示词可控 TTS 引擎，通过文本提示即可控制合成语音的情感与风格。支持多种情绪表达，中文合成效果出色，适合有声内容创作、短视频配音与情感★ 8,541bitsandbytesbitsandbytes 是一个为 PyTorch 提供 k-bit 量化支持的开源库，旨在让大语言模型（LLM）的部署和微调更加高效、可访问。它解决了大模型显★ 8,528LMFlowLMFlow 是一个面向大型基础模型的高可扩展微调与推理工具包，旨在让每个人都能轻松使用和定制大模型。它解决了大模型微调门槛高、资源消耗大、流程复杂的问题，提供★ 8,481vitsVITS 采用条件变分自编码器与对抗训练实现端到端文本转语音。在保持高自然度的同时大幅简化合成流程，无需额外对齐模块即可直接生成高质量语音，是 TTS 领域的经★ 7,897Dreambooth-Stable-DiffusionDreambooth-Stable-Diffusion 是 Dreambooth 论文的 Stable Diffusion 实现，旨在解决文本到图像模型中特定主★ 7,727mmagicOpenMMLab 推出的多模态生成智能创作工具箱，提供开箱即用的 AIGC 能力、易用 API 与丰富模型库，涵盖文生图、图像/视频修复与增强等任务，是搭建生★ 7,475sdnextSD.Next：一站式 AI 生成图像与视频的 WebUI，集生成、打标与后期处理于一体，在 A1111 基础上持续进化，功能全面、社区活跃，是追求全能与稳定的★ 7,357stable-diffusion-webui-dockerstable-diffusion-webui-docker 是一个基于 Docker 的 Stable Diffusion WebUI 部署方案，旨在简化 St★ 7,306vllm-omni面向全模态模型的统一高效推理框架，支持文本、图像、视频、音频等多种模态的高性能推理，延续 vLLM 的工程优势，为多模态大模型应用提供稳定快速的部署方案。★ 7,272flashinferFlashInfer 是一个面向大语言模型推理服务的高性能 GPU 内核库，用 CUDA 和 PyTorch 实现，专注解决 LLM 部署中注意力计算、MoE ★ 6,725doctrdocTR 是一个基于深度学习的 OCR 库，专注于文档文本识别，由 t2k 团队持续维护。它解决了从文档图像中高效、准确地检测和识别文字的问题，提供了文本检测★ 6,391StyleTTS2StyleTTS 2 通过风格扩散与对抗训练，结合大型语音语言模型，实现了接近人类水平的文本转语音。合成语音的自然度与韵律表现力出众，即使无参考语音也能生成高质★ 6,366aimAim 是一个开源、易用的实验追踪工具，专为机器学习项目设计。它解决了 ML 团队在训练过程中难以高效记录、比较和可视化大量实验指标与元数据的问题。核心能力包括★ 6,288semantic-routersemantic-router 是一个用 Go 编写的可编程混合模型路由器，专为异构 LLM 推理场景设计。它解决的核心问题是：当企业或开发者需要同时调用多个不★ 6,226silero-modelsSilero Models 是一个提供预训练语音模型的集合，专注于让文本转语音（TTS）和语音识别（STT）变得极其简单。它解决了开发者在使用语音技术时面临的模★ 6,138kserveKServe 是一个基于 Kubernetes 的标准化的分布式生成式 AI 和预测式 AI 推理平台，旨在为可扩展、多框架的模型部署提供统一解决方案。它解决了★ 6,136higgsfieldhiggsfield 是一个面向超大规模模型训练的容错型 GPU 编排与机器学习框架，专为数十亿至数万亿参数模型设计。它解决的核心问题是：在大规模分布式训练中，★ 6,114SUPIRSUPIR 是一个面向真实世界图像修复的开源项目，旨在通过深度学习算法将低质量、模糊或有噪声的照片恢复为高分辨率、逼真的图像。它基于 Stable Diffus★ 5,689mmfMMF 是 Facebook AI Research（FAIR）开源的视觉与语言多模态研究框架，基于 PyTorch 构建，用于快速复现和开发图像/视频与文本联★ 5,636zenmlZenML 是一个面向机器学习团队的端到端 MLOps 平台，旨在统一从数据准备、模型训练到部署和监控的整个 AI 生命周期。它通过可组合的管道（Pipelin★ 5,620Kokoro-FastAPIKokoro-FastAPI 是一个将 Kokoro-82M 文本转语音模型封装成 Dockerized FastAPI 服务的开源项目，旨在为开发者提供跨平台★ 5,565sahiSAHI 是一个专注于计算机视觉的切片推理框架，旨在解决大尺寸图像（如卫星影像、医学图像）在目标检测和实例分割时因内存限制或小目标密集而导致的性能问题。它支持任★ 5,559reasoning-from-scratchreasoning-from-scratch 是一个从零开始实现推理大语言模型（LLM）的开源教程项目，基于 PyTorch 逐步构建。它旨在帮助开发者和研究者★ 5,434lightning-hydra-template这是一个面向机器学习实验的工程化模板，基于 PyTorch Lightning 和 Hydra 构建。它解决了深度学习项目中配置管理混乱、代码结构不清晰、实验难★ 5,369superduperSuperduper 是一个端到端的开源框架，用于构建自定义 AI 应用和智能代理。它解决了将 AI 模型（如 LLM、预训练模型）与现有数据基础设施（尤其是 ★ 5,326wenetWeNet 是一个面向生产环境的端到端语音识别工具包，旨在解决学术模型与工业部署之间的鸿沟。它基于 PyTorch 构建，支持 Conformer、Transf★ 5,247BallonsTranslatorBallonsTranslator 是一款深度学习辅助的漫画翻译工具，主要解决漫画本地化过程中人工成本高、流程繁琐的问题。它集成了从文字检测、识别、抹除到翻译、★ 5,222cube-studiocube-studio 是一个开源的云原生一站式 AI 平台，覆盖机器学习、深度学习和 LLMOps 全链路。它解决了 AI 开发中环境搭建复杂、资源利用率低、★ 5,084AutoGPTQAutoGPTQ 是一个基于 GPTQ 算法的 LLM 量化工具包，提供简洁易用的 API，帮助开发者将大语言模型压缩为低比特（如 4-bit）表示，从而大幅降★ 5,067ml-roadml-road 是一个面向机器学习和智能体 AI 的学习资源与实践项目，旨在为开发者提供从基础到前沿的系统化学习路径。项目整合了深度学习、计算机视觉、自然语言处★ 4,968hands-on-modern-rl这是一个开源强化学习课程，旨在帮助学习者从基础RL概念平滑过渡到LLM对齐、RLVR（基于强化学习的验证）以及高级智能体系统。项目以实践为核心，提供系统化的学习★ 4,728WhisperSpeechWhisperSpeech 是一个基于 PyTorch 的开源文本转语音（TTS）系统，其核心思路是“反转 Whisper”——利用 OpenAI 的语音识别模★ 4,656PyTorch-Tutorial-2nd《PyTorch实用教程》（第二版）是一份面向深度学习工程师的开源教程，以Jupyter Notebook形式呈现。它系统覆盖了从PyTorch基础语法、张量操★ 4,630llm-foundryllm-foundry 是 Databricks 开源的 LLM 训练框架，旨在为大规模基础模型训练提供生产级代码库。它解决了从数据准备到模型部署全流程的工程化★ 4,459VLMEvalKitVLMEvalKit 是一个开源的大语言多模态模型（LMMs）评估工具包，旨在解决多模态模型评测标准不统一、评测流程繁琐的问题。它支持 220 多个主流 LMM★ 4,448serveServe 是一个用于在生产环境中部署、优化和扩展 PyTorch 模型的开源基础设施项目。它解决了将训练好的 PyTorch 模型高效、稳定地服务化的问题，提★ 4,345SwanLabSwanLab 是一个开源、现代设计的 AI 训练跟踪与可视化工具，支持云端和自托管两种使用方式。它解决了深度学习训练过程中实验管理混乱、指标监控不便、结果对比★ 4,311torchgeoTorchGeo 是微软开源的面向地理空间数据的 PyTorch 扩展库，为遥感、卫星影像和地球观测任务提供标准化的数据集、采样器、数据增强变换与预训练模型。它★ 4,208metavoice-srcMetaVoice 是一个基于深度学习的情感语音合成基础模型，专注于生成高度自然、富有表现力的语音。它解决了传统 TTS 系统声音机械、缺乏情感和个性化的问题，★ 4,204how-to-train-your-gpt这是一个从零开始构建现代大语言模型（LLM）的教学项目，以Jupyter Notebook形式呈现，每一行代码都有详细注释，并用通俗易懂的方式解释，适合初学者和★ 4,072deepchecksDeepchecks 是一个面向机器学习模型与数据的持续验证开源测试框架，覆盖从研究到生产的全流程。它解决的是 ML 生命周期中数据质量、模型性能、漂移和偏见等★ 4,064vector-quantize-pytorchvector-quantize-pytorch 是一个在 PyTorch 中实现向量量化（VQ）与标量量化的开源库，主要服务于生成模型与表示学习。它解决的核心问★ 4,019

相关标签

deep-learning815machine-learning904python1570tts759image-generation613text-to-speech656llm3432computer-vision377speech-synthesis247mlops445stable-diffusion813ai2792