pytorch 第 3 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 3 / 13 页）
Image-Super-Resolution-via-Iterative-Refinement这是一个基于扩散概率模型（DDPM）的图像超分辨率非官方实现，源自论文《Image Super-Resolution via Iterative Refinem★ 3,922
ApplioApplio 是一个专注于易用性和性能的语音转换工具，基于 PyTorch 实现，支持实时语音到语音转换（VC）、语音克隆和文本到语音（TTS）。它解决了传统语★ 3,858
loraxLorax 是一个专为大规模多 LoRA 推理而设计的高性能服务器，能够同时承载数千个微调后的 LLM。它解决了传统推理服务中每个微调模型需要独立部署、资源消耗★ 3,836
AI-Engineer-HeadquartersAI-Engineer-Headquarters 是一个面向 AI 工程师的知识库与工具集，以 Jupyter Notebook 形式组织，汇集了构建机器学习模★ 3,770
polyaxonPolyaxon 是一个开源的 AI 基础设施平台，定位为 AI 编排与控制平面。它解决的是机器学习生命周期中实验管理、模型训练、超参数调优、模型部署等环节缺乏★ 3,746
torchchattorchchat 是一个由 PyTorch 团队推出的轻量级本地大模型推理框架，旨在让开发者能够在服务器、桌面甚至移动设备上直接运行 PyTorch 格式的 ★ 3,613
chatbotChatbot 是一个基于 Python 和 PyTorch 的开源对话助手项目，旨在为开发者提供从模型训练到实际部署的完整解决方案。项目近期重点转向小参数语言★ 3,577
min-dallemin(DALL·E) 是一个将 DALL·E Mini 快速移植到 PyTorch 的精简实现，旨在以最少的代码和依赖复现文本生成图像的核心能力。它解决了原始★ 3,490
mlops-course这是一个面向生产级机器学习应用的教学课程仓库，旨在帮助开发者掌握从设计、开发、部署到迭代的完整MLOps流程。课程内容涵盖数据版本管理、模型实验追踪、CI/CD★ 3,410
catalystCatalyst 是一个面向深度学习研究与开发的 Python 框架，旨在加速从实验设计到模型部署的全流程。它解决了深度学习项目中代码重复、实验管理混乱、复现困★ 3,388
physicsnemoPhysicsNeMo（原 NVIDIA Modulus）是 NVIDIA 开源的物理机器学习（Physics-ML）深度学习框架，基于 PyTorch 构建，★ 3,371
Pix2TextPix2Text 是一个开源的 Python3 工具，旨在将图片中的版面、表格、数学公式和文字识别并转换为 Markdown 格式。它使用小型模型，支持 80 ★ 3,275
deepdoctectiondeepdoctection 是一个面向文档 AI 的 Python 工具库，旨在帮助开发者从 PDF、扫描件等非结构化文档中提取结构化信息。它解决了文档解析中★ 3,266
determinedDetermined 是一个开源机器学习平台，旨在简化分布式训练、超参数调优、实验追踪和资源管理。它支持 PyTorch 和 TensorFlow，提供统一的 ★ 3,245
aoao 是 PyTorch 官方生态下的原生量化工具库，前身为 torchao，专注于让模型在训练和推理阶段都能用上低精度计算。它解决的问题很实际：大模型（如 L★ 3,011
LLM-FinetuningLLM-Finetuning 是一个专注于大语言模型微调的开源项目，基于 PEFT（Parameter-Efficient Fine-Tuning）库实现。它旨★ 2,990
chituchitu 是一个面向大语言模型的高性能推理框架，专注于效率、灵活性和可用性。它旨在解决 LLM 推理过程中的性能瓶颈和部署复杂性问题，通过优化的内核和调度策略★ 2,988
comic-translatecomic-translate 是一个开源的 AI 漫画与图像翻译工具，支持浏览器扩展和桌面应用，可自动翻译漫画、韩漫、日漫、欧美漫画等多种图像格式（如图片、P★ 2,978
vall-eVALL-E 是一个基于 PyTorch 的非官方实现，源自微软提出的神经编解码语言模型，用于零样本文本到语音合成。它解决了传统 TTS 系统需要大量特定说话人★ 2,970
rl-baselines3-zoorl-baselines3-zoo 是 Stable Baselines3 的配套训练框架，专门解决强化学习算法训练流程繁琐、超参数难调、结果难复现的问题。它把★ 2,898
whisper-timestampedwhisper-timestamped 是一个基于 OpenAI Whisper 的语音识别增强工具，专门为多语言自动语音识别提供词级时间戳和置信度。它解决了标★ 2,855
autodistillAutodistill 是一个面向计算机视觉的自动化标注与训练工具，旨在解决监督学习依赖大量人工标注的问题。它利用基础模型（如 GPT-4V、CLIP、Grou★ 2,792
Alpaca-CoTAlpaca-CoT 是一个面向大语言模型（LLM）的指令微调统一平台，旨在解决研究人员在微调过程中面临的数据格式不统一、模型适配复杂、参数高效方法集成困难等问★ 2,788
paipai 是一个面向 AI 场景的资源调度与集群管理平台，主要解决 GPU 等异构计算资源在深度学习训练和推理任务中的分配效率问题。它支持多种 AI 框架（如 C★ 2,700
InfiniteYouInfiniteYou 是一个基于扩散模型的图像生成与编辑工具，核心解决身份保持下的灵活照片重绘问题。它允许用户在不丢失人物身份特征的前提下，对照片进行多种编辑★ 2,687
contrastive-unpaired-translationCUT（Contrastive Unpaired Translation）是一个基于对比学习的无配对图像到图像翻译框架，由Taesung Park等人于ECCV★ 2,560
deepdetectdeepdetect 是一个开源的深度学习服务器和命令行工具，最初由 Jolibrain 开发，旨在简化深度学习模型的部署和服务化。它支持多种深度学习框架，包括★ 2,551
mPLUG-OwlmPLUG-Owl是阿里巴巴达摩院开发的多模态大语言模型家族，旨在让AI同时理解文本和图像，并基于指令进行对话。它解决了传统语言模型只能处理文本、无法理解视觉信★ 2,539
ComfyUI-to-Python-ExtensionComfyUI-to-Python-Extension 是一个将 ComfyUI 工作流自动转换为可执行 Python 代码的扩展工具。它解决了 ComfyUI★ 2,391
hifi-ganHiFi-GAN 是一个基于生成对抗网络的高保真语音合成声码器，由韩国首尔大学团队开发。它解决了传统神经声码器（如 WaveNet）推理速度慢、难以实时部署的问★ 2,377
Open3D-MLOpen3D-ML 是 Open3D 的扩展库，专注于 3D 机器学习任务，如点云语义分割、物体检测和实例分割。它提供统一的数据集加载接口（支持 Semanti★ 2,360
mixtral-offloadingmixtral-offloading 是一个让 Mixtral-8x7B 大模型在消费级硬件（如 Colab 免费版或个人桌面）上运行的工具。它通过智能的层卸载★ 2,336
imbalanced-dataset-samplerimbalanced-dataset-sampler 是一个面向 PyTorch 的不平衡数据集采样器，专门解决分类任务中类别样本数量悬殊导致模型偏向多数类的问★ 2,326
beirBEIR是一个异构信息检索基准测试平台，旨在解决IR模型评估碎片化的问题。它整合了超过15个多样化的检索数据集，覆盖问答、生物医学、金融、法律等多个领域，并提供★ 2,312
sagemaker-python-sdksagemaker-python-sdk 是 AWS 官方维护的 Python 库，用于在 Amazon SageMaker 平台上训练和部署机器学习模型。它把★ 2,269
trainertrainer 是一个基于 Kubernetes 的分布式 AI 模型训练与 LLM 微调平台，由开源社区维护。它解决了在 Kubernetes 上运行大规模训★ 2,249
IMS-ToucanIMS-Toucan 是一个基于 PyTorch 的可控且快速的文本转语音（TTS）工具包，声称支持超过 7000 种语言。它旨在解决多语言语音合成中音色、情感★ 2,210
Chinese-Llama-2-7bChinese-Llama-2-7b 是开源社区第一个提供可下载、可运行的中文 LLaMA2 模型，基于 Meta 的 LLaMA2-7B 进行中文增强训练。它★ 2,200
MoBAMoBA 是一种面向长上下文大语言模型的新型注意力机制，核心思想是将输入序列划分为多个块，并采用混合专家（MoE）的思路，让每个查询只关注最相关的少数块，从而将★ 2,194
WaveRNNWaveRNN 是一个基于 PyTorch 的神经声码器与语音合成（TTS）项目，由 fatchord 开发。它实现了 WaveRNN 模型，能够将频谱特征（如★ 2,191
Anime2SketchAnime2Sketch 是一个专门从动漫/插画图像中提取线稿的开源工具。它基于生成对抗网络（GAN）和深度学习技术，能够自动将彩色动漫图片转换为干净、清晰的线★ 2,137
simple-llm-finetunersimple-llm-finetuner 是一个为 LLM 微调提供简单图形界面的开源工具，旨在降低大模型微调的门槛。它解决了非专业开发者难以直接使用复杂训练脚★ 2,052
ml-cvnetsCVNets 是苹果开源的计算机视觉训练库，基于 PyTorch 构建，目标是把分类、检测、分割等任务的训练流程统一到一套可复用的框架里。它解决的核心问题是：视★ 1,995
deepvoice3_pytorchdeepvoice3_pytorch 是百度 Deep Voice 3 文本转语音（TTS）模型的 PyTorch 非官方实现。Deep Voice 3 是一种★ 1,977
opacusOpacus 是 Meta 开源的 PyTorch 差分隐私训练库，目标是让开发者用最小的代码改动，在 PyTorch 模型训练中引入可量化、可证明的隐私保护。★ 1,967
onediffOneDiff 是一个开箱即用的扩散模型加速库，专门针对 Stable Diffusion 等图像生成模型进行推理优化。它解决了扩散模型生成速度慢、部署成本高的★ 1,962
carefree-creatorcarefree-creator 是一个基于 Stable Diffusion 的 AI 图像生成与编辑工具，主打无限画布上的自由创作。它解决了传统图像生成工具★ 1,937
nndeploynndeploy 是一款专注于 AI 模型部署的 C++ 框架，旨在解决深度学习模型从训练到生产环境落地时面临的碎片化问题。它提供统一的推理接口，屏蔽了不同后端★ 1,886
InferenceXInferenceX 是一个开源的持续推理基准研究平台，专注在大规模 LLM 推理场景下做可复现、可持续的性能评测。它把当下主流大模型（如 Kimi、MiniM★ 1,886
CogViewCogView 是智源研究院开源的文本生成图像模型，源自 NeurIPS 2021 论文。它基于 Transformer 架构，将文本描述转化为高质量图像，解决★ 1,800