pytorch 第 4 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 4 / 13 页）
ganspaceganspace 是一个用于发现 GAN 模型中可解释控制方向的开源工具，源自 NeurIPS 2020 论文。它解决了生成对抗网络（GAN）内部潜在空间难以理★ 1,795
Jackrong-llm-finetuning-guide这是一个面向开发者的 LLM 微调实战指南，基于 Jupyter Notebook 形式，系统讲解从数据准备、模型选择、参数调整到训练评估的完整流程。项目旨在解★ 1,718
lightly-trainlightly-train 是一个面向视觉模型的一体化训练框架，支持 YOLO、ViT、RT-DETR、DINOv3 等主流架构，覆盖预训练、微调和蒸馏全流程。★ 1,716
katibKatib 是一个基于 Kubernetes 的自动化机器学习（AutoML）平台，旨在解决在云原生环境中进行超参数调优、神经网络架构搜索（NAS）和早停（Ea★ 1,706
fg-data-syntheticfg-data-synthetic 是一个专注于表格数据和时间序列数据合成的开源工具库。它利用生成对抗网络（GAN）等深度学习技术，解决真实数据获取成本高、隐私★ 1,661
ParallelWaveGANParallelWaveGAN 是一个基于 PyTorch 的非官方实现，集成了多种主流神经声码器，包括 Parallel WaveGAN、MelGAN、多频带★ 1,646
ru-dalleru-dalle 是一个基于俄语的文本生成图像项目，旨在让俄语用户能够使用自然语言描述生成高质量的图像。它解决了 OpenAI DALL-E 模型主要支持英语、★ 1,642
torchdistilltorchdistill 是一个基于 PyTorch 的免编码深度学习框架，专注于知识蒸馏（Knowledge Distillation）研究。它解决了知识蒸馏★ 1,635
Semi-supervised-learning这是一个统一半监督学习代码库，对应 NeurIPS 2022 论文，旨在解决半监督学习领域算法实现分散、难以公平对比的问题。它把 FixMatch、FlexMa★ 1,591
brevitasBrevitas 是 Xilinx（AMD）开源的 PyTorch 神经网络量化库，专注为 FPGA 与硬件加速场景提供从训练到部署的量化支持。它解决的核心问题★ 1,589
Fun-ASRFun-ASR 是一个基于大语言模型的开源语音识别（ASR）模型家族，专注于中文、方言、口音及多语言场景。它提供多种运行时支持，包括 FunASR、vLLM、流★ 1,580
sglang-omniSGLang-Omni 是一个基于 SGLang 的高性能多模态推理服务框架，专注于语音相关模型（TTS、ASR）及全模态（omni）模型的部署。它解决了传统语★ 1,562
AuKAuK 是一个开源语音生成与编辑基础模型，目标是把语音合成、语音编辑、说话人提取、语音增强和音源分离等任务统一到一个模型框架中。它解决的是传统语音流水线中模型碎★ 1,534
Chatterbox-TTS-ServerChatterbox-TTS-Server 是一个自托管的文本转语音（TTS）服务，基于强大的 Chatterbox 模型。它解决了用户需要灵活、可扩展的语音合★ 1,478
mlreefmlreef 是一个面向机器学习团队的协作工作区，旨在解决 ML 项目中代码、数据和实验管理分散、协作效率低的问题。它提供统一的项目空间，集成代码仓库、数据版本★ 1,462
ai-hands-on这是一个面向AI初学者的实践学习仓库，包含一系列Jupyter Notebook和辅助文件，旨在帮助用户从零开始学习人工智能。项目覆盖了机器学习、神经网络、Tr★ 1,460
Voice-Cloning-AppVoice-Cloning-App 是一个基于 Python 和 PyTorch 的开源语音克隆工具，旨在让用户通过简单的操作合成逼真的人声。它解决了传统语音合★ 1,437
kitopskitops 是一个来自 CNCF 的 DevOps 工具，用于将 AI/ML 模型、数据集、代码和配置打包并版本化为 OCI Artifact。它解决了 AI★ 1,431
parallaxParallax 是一个分布式模型推理框架，旨在帮助用户在任何地方构建自己的 AI 集群。它通过将多个计算节点（如 GPU 服务器）聚合起来，统一调度和管理大语★ 1,404
gpu_poorgpu_poor 是一个用于估算任意大语言模型（LLM）在本地部署时所需 GPU 显存和推理速度（token/s）的命令行工具。它通过解析模型的参数量、量化方式★ 1,401
FireRed-Image-EditFireRed-Image-Edit 是一个开源的图像编辑基础模型，旨在解决现有图像编辑工具在指令遵循、生成保真度和身份一致性上的不足。它基于扩散模型架构，支持★ 1,379
TinyEngramTinyEngram 是一个基于 Qwen-3 和 Stable Diffusion 系列模型的研究项目，旨在复现并验证 DeepSeek 的 Engram 架★ 1,376
finetrainersfinetrainers 是 Hugging Face 团队推出的扩散模型训练框架，专注于让视频与图像扩散模型（如 CogVideoX、Wan、Flux 等）的★ 1,361
getigeti 是英特尔推出的计算机视觉模型训练平台，旨在用更少的数据和更短的时间构建高性能视觉模型。它解决了传统深度学习模型开发中数据标注成本高、训练周期长、调参复★ 1,358
bert4torchbert4torch 是一个基于 PyTorch 的 transformers 库的优雅实现，旨在提供与 Hugging Face Transformers 类★ 1,326
PyTorch-CycleGAN这是一个基于PyTorch的CycleGAN清洁可读实现，用于无配对图像到图像的转换。它解决了传统GAN需要成对训练数据的问题，通过循环一致性损失实现两个域之间★ 1,320
data-efficient-gansdata-efficient-gans 是 NeurIPS 2020 论文《Differentiable Augmentation for Data-Effic★ 1,310
stable-faststable-fast 是一个专为 NVIDIA GPU 设计的 HuggingFace Diffusers 推理性能优化框架，由 WaveSpeed.ai 团★ 1,307
modal-examplesmodal-examples 是 Modal 官方维护的示例库，集中展示了如何在 Modal 无服务器云平台上构建和运行各类 AI 与机器学习程序。它解决了开发★ 1,282
Paint-by-ExamplePaint-by-Example 是一个基于扩散模型的图像编辑工具，通过给定示例图像，实现对输入图像的语义编辑，如替换物体、改变风格等。它解决了传统图像编辑需要★ 1,253
kvpresskvpress 是一个专注于大语言模型（LLM）KV 缓存压缩的 Python 库，旨在让 KV 缓存压缩变得简单易用。它解决了长上下文推理中 KV 缓存占用大★ 1,233
SpecForgeSpecForge 是一个面向大模型推理加速的开源训练框架，专门用于训练投机解码（speculative decoding）模型，并支持将训练结果平滑部署到 S★ 1,229
torchxrayvisionTorchXRayVision 是一个面向胸部 X 光影像的开源工具库，集成了多个公开数据集和预训练模型，覆盖分类、分割和自编码器三大任务。它解决了医学影像研究★ 1,213
nncfNNCF（Neural Network Compression Framework）是 Intel 开源的神经网络压缩框架，专为提升 OpenVINO 推理性能★ 1,211
SDEditSDEdit 是一个基于 PyTorch 的图像生成与编辑工具，核心思想是利用随机微分方程（SDE）在图像生成和编辑过程中引入可控的随机性。它解决了传统图像编辑★ 1,172
clean-fidclean-fid 是一个用于计算 FID（Frechet Inception Distance）分数的 PyTorch 工具库，由 CVPR 2022 论文提★ 1,171
MagicDriveMagicDrive是ICLR 2024收录的论文官方实现，专注于自动驾驶场景的街景图像生成。它通过扩散模型结合3D几何控制，解决自动驾驶数据稀缺和多样性不足的★ 1,165
lhotseLhotse 是面向语音与多模态机器学习的 Python 数据工具库，重点解决训练数据准备和加载环节的工程复杂度。它把音频、文本、特征等异构数据统一抽象成可序列★ 1,160
FlagGemsFlagGems 是一个用 Triton 语言实现的大语言模型算子库，目标是提供一套高性能、可移植的 GPU 算子集合，替代或补充 PyTorch 原生算子以及★ 1,155
auto-deep-researcher-24x7这是一个自主运行深度学习实验的AI智能体，能在你睡觉时24/7不间断地执行实验任务。它解决的是研究人员需要长时间盯守实验、手动调参和监控的痛点。核心能力包括：基★ 1,136
DragonianVoiceDragonianVoice 是一个基于 C++ 的歌声转换（SVC）和语音合成（TTS）推理库，旨在为生产环境提供高性能、低延迟的模型部署方案。它集成了多种主★ 1,131
DataDreamerDataDreamer 是一个专注于合成数据生成与模型训练对齐的开源 Python 库。它解决的核心问题是：在真实数据稀缺或受隐私限制时，如何通过提示词（Pro★ 1,126
LLM-workshop-2024LLM-workshop-2024 是一个为期4小时的编码工作坊，旨在帮助开发者深入理解大型语言模型（LLM）的实现原理与实际应用。项目通过Jupyter No★ 1,118
base-llmbase-llm 是 Datawhale 开源的一套从 NLP 到大语言模型（LLM）的算法全栈教程，以 Jupyter Notebook 为主要载体，配套在线★ 1,098
pytorch-stable-diffusion这是一个从零开始、逐行实现 Stable Diffusion 的 PyTorch 教程项目，完全基于论文《High-Resolution Image Synth★ 1,084
optimum-quantooptimum-quanto 是 Hugging Face 生态下为 optimum 提供的 PyTorch 量化后端，目标是让模型在推理和训练场景中都能方便地★ 1,053
efficient-dl-systems这是一个面向深度学习系统的高效实现课程材料仓库，由多伦多大学等机构维护，内容涵盖深度学习系统的高效训练、推理、部署等核心主题。项目通过Jupyter Noteb★ 1,043
TutelTutel 是微软开源的高性能混合专家（MoE）训练与推理优化库，核心目标是解决大规模 MoE 模型在分布式环境下通信开销大、显存占用高、计算效率低的问题。它通★ 1,028
sherpasherpa 是一个基于下一代 Kaldi 的语音识别服务端框架，用 C++ 实现，提供端到端的语音转文字能力。它解决了传统语音识别系统部署复杂、实时性差的问题★ 1,011
NATSpeechNATSpeech 是一个非自回归语音合成（NAR-TTS）框架，基于 PyTorch 实现，集成了 PortaSpeech（NeurIPS 2021）和 Di★ 1,004