pytorch 第 5 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 5 / 13 页）

voltaML-fast-stable-diffusionVoltaML 是一个基于 Stable Diffusion 的 WebUI，旨在提供美观且易用的图像生成界面。它解决了 Stable Diffusion 原生★ 997keras-hubKerasHub 是 Keras 3 官方推出的预训练模型中心，为深度学习开发者提供统一、简洁的模型调用接口。它解决的核心问题是：在 Keras 3 多后端（T★ 995ComfyUI-MultiGPUComfyUI-MultiGPU 是一个为 ComfyUI 设计的自定义节点，主要解决单卡显存不足和 MultiGPU 利用问题。它通过一键式“虚拟 VRAM”★ 990CodeProject.AI-ServerCodeProject.AI Server 是一个自包含的 AI 服务，开发者可将其嵌入或随应用分发，以快速为软件增添 AI 能力。它解决了传统 AI 集成中环★ 985NISQANISQA是一个基于深度学习的非侵入式语音质量与TTS自然度评估工具。它解决了传统语音质量评估需要原始参考信号（侵入式）的问题，能够在无参考的情况下，仅凭待测语★ 978MixNMatchMixNMatch 是一个基于 PyTorch 的图像生成与编辑工具，专注于解耦表示学习。它能够将图像分解为背景、形状、外观和姿态四个独立因子，并支持用户通过任★ 964CogView2CogView2是清华大学与智谱AI联合推出的文本生成图像模型，基于层次化Transformer架构，在CogView基础上显著提升生成速度与图像质量。它解决的★ 952Chinese-Chatbot-PyTorch-Implementation这是一个基于PyTorch实现的中文聊天机器人，源自智能工单处理机器人项目的子模块。它解决了中文场景下构建对话系统的需求，提供了从数据预处理到模型训练与推理的完★ 915TexoTexo 是一个超轻量的 LaTeX 公式识别模型，参数量仅 20M，却能达到 SOTA 级别的识别精度。它主要解决数学公式 OCR 场景中模型过大、难以在浏览★ 909libreyoloLibreYOLO 是一个采用 MIT 许可证的开源计算机视觉库，用 Python 编写，目标是为开发者提供自由、可商用的 YOLO 系列目标检测实现。它解决的★ 906mosecmosec 是一个高性能的机器学习模型服务框架，专注于解决模型部署中的吞吐量和资源利用率问题。它通过动态批处理（dynamic batching）和 CPU/G★ 902diffwaveDiffWave 是一个基于扩散概率模型的神经声码器与波形合成器，由 Google Brain 团队提出，用于从梅尔频谱等条件特征高效生成高质量语音波形。它解决★ 886deep-learning-wizarddeep-learning-wizard 是一个开源深度学习指南与代码库，旨在帮助用户从掌握深度学习基础到在生产环境中部署模型。项目以 PyTorch 和 Py★ 878FineTuningLLMs这是一个配套书籍《使用PyTorch和Hugging Face微调LLMs的实践指南》的官方代码仓库，以Jupyter Notebook形式提供大量可运行的微调★ 875Daily-LLMDaily-LLM 是一个面向机器学习、深度学习与大模型方向的学习教育类开源项目，用 TypeScript 构建，汇集了 Python、算法面试、NLP、多模态★ 866Confucius4-TTSConfucius4-TTS 是一个多语言与跨语言零样本语音合成引擎，基于 PyTorch 构建。它解决的核心问题是：在无需针对特定说话人进行微调的情况下，用极★ 843mammaMAMMA 是一个面向多人体运动捕捉的开源项目，主打无标记（markerless）且高精度的多人运动获取。它解决了传统光学动捕系统依赖昂贵标记点和专业设备、难以★ 839haloHalo 是由 White Circle 开源的大语言与多模态模型训练框架，用 Python 编写。它面向从微调到强化学习后训练的完整流程，核心能力包括分布式训★ 829SOMA-XSOMA-X是一个统一参数化人体模型的Python开源库，旨在解决现有3D人体模型（如SMPL、SMPL-X、MANO等）格式不统一、难以互操作的问题。它提供了★ 821makeMoEmakeMoE 是一个从零开始实现稀疏混合专家（MoE）语言模型的教学项目，灵感来源于 Andrej Karpathy 的 makemore。它通过 Jupyt★ 820APDrawingGANAPDrawingGAN 是一个基于生成对抗网络（GAN）的开源项目，用于将人脸照片自动转换为艺术风格的人物肖像画（如素描、线条画）。该项目由 CVPR 201★ 811contrastorscontrastors 是一个基于 PyTorch 的对比学习训练工具库，专注于帮助研究者和工程师高效地训练对比学习模型。它解决了对比学习训练流程复杂、复现困难★ 804daamDAAM（Diffusion Attentive Attribution Maps）是一个用于解释Stable Diffusion模型内部机制的可解释性AI工具★ 803can-i-finetune-this这是一个帮助开发者快速判断 Hugging Face 上的模型能否在本地 GPU 上进行微调的工具。它通过分析模型的参数量、架构和精度，结合用户 GPU 的显存★ 793anycost-ganAnycost GANs 是 CVPR 2021 收录的交互式图像合成与编辑框架，由 MIT 等机构提出。它解决的是 GAN 模型在推理时计算开销大、难以在普通★ 779vuiVui 是一个实时语音助手框架，基于 WebRTC 流式传输，集成了 faster-whisper 语音识别、本地 LLM（如 Qwen）和 Vui Nano ★ 774fish-diffusionfish-diffusion 是一个基于扩散模型的语音合成框架，覆盖 TTS（文本转语音）、SVS（歌声合成）和 SVC（歌声转换）三类任务。项目目标是让扩散式★ 763stable-diffusion-dockerstable-diffusion-docker 是一个将官方 Stable Diffusion 模型封装进 Docker 容器的项目，旨在简化 Stable D★ 744ai_wikiai_wiki 是一个面向 AI 全栈学习者的开源知识库，以 Jupyter Notebook 为主要载体，系统性地搜集和整理全网优质学习资源。它试图解决 AI★ 743onepanelOnePanel 是一个开源的端到端计算机视觉平台，旨在统一标签标注、模型构建、训练、调优、部署和自动化流程。它解决了计算机视觉项目从数据标注到模型上线的全生命★ 733MASRMASR是一个基于Pytorch的自动语音识别（ASR）框架，专注于流式与非流式识别，兼顾在线和离线场景。它解决了开发者需要同时支持实时语音交互和离线批量转写的★ 728cressetcresset 是一个用于从源码构建 PyTorch 项目的模板仓库，支持任意版本的 PyTorch、CUDA 和 cuDNN 组合。它解决了深度学习开发中环境★ 718glow-ttsglow-tts 是一个基于生成流（Generative Flow）的文本转语音（TTS）开源项目，由蒙特利尔大学等机构的研究者提出。它通过单调对齐搜索（Mon★ 717ServerlessLLMServerlessLLM 是一个面向大语言模型（LLM）的无服务器推理服务平台，旨在让任何人都能轻松部署和运行 LLM 服务。它解决了传统 LLM 部署中资源★ 717Text-To-Video-FinetuningText-To-Video-Finetuning 是一个基于 Python 的开源项目，旨在帮助开发者对 ModelScope 的文本生成视频模型进行微调。它利★ 705llm-algo-leetcodellm-algo-leetcode 是一个面向大模型算法与系统方向的开源实战教程，以 Jupyter Notebook 为主要载体，把大模型入门到进阶所需的核心★ 704advanced-machine-learning-engineer-roadmap-2024这是一个面向2024年的全栈机器学习工程师学习路线图，旨在帮助学习者系统掌握从数据处理、模型开发到部署运维的完整技能链。项目以结构化的路线图形式，梳理了成为全栈★ 702long-context-attentionlong-context-attention 是面向长上下文 Transformer 训练与推理的序列并行注意力实现，核心是 USP（Unified Seque★ 696Transformer-TTSTransformer-TTS 是一个基于 PyTorch 实现的文本转语音（TTS）项目，对应论文《Neural Speech Synthesis with ★ 695University1652-BaselineUniversity1652-Baseline 是 ACM Multimedia 2020 论文《University-1652: A Multi-view M★ 695AttentionGANAttentionGAN是一个基于生成对抗网络（GAN）的无配对图像到图像翻译模型，同时支持多域图像转换。它通过引入注意力机制，在训练过程中自动学习区分前景和背★ 687quaterionQuaterion 是一个专注于相似度学习模型微调的 Python 框架，核心解决的是在检索、去重、聚类等场景下，如何高效训练出能输出高质量向量表示的模型。它把★ 665melganMelGAN 是一个基于生成对抗网络的声码器（vocoder），用于将梅尔频谱图（mel-spectrogram）转换为高质量语音波形。它解决了传统声码器（如 ★ 651vits2VITS2 是一个基于 PyTorch 的单阶段文本转语音（TTS）模型，旨在提升语音合成的质量和效率。它通过对抗学习和架构设计改进，解决了传统两阶段 TTS ★ 648SkyPaint-AI-DiffusionSkyPaint-AI-Diffusion 是一个基于 Stable Diffusion 优化的中文 AI 绘画模型，旨在解决中文用户使用文本生成图像时提示词理★ 644blended-latent-diffusionBlended Latent Diffusion 是 SIGGRAPH 2023 论文的官方实现，用于文本驱动的图像局部编辑。它解决的是传统扩散模型在编辑图像时★ 631Few-Shot-Patch-Based-Training这是一个基于少量样本补丁训练的交互式视频风格化工具，源自SIGGRAPH 2020论文。它解决的是传统风格迁移需要大量训练数据且难以保持视频时序一致性的问题。核★ 627neptune-clientneptune-client 是 Neptune.ai 的官方 Python 客户端库，用于跟踪和记录基础模型训练过程中的实验数据。它解决了机器学习团队在训练大★ 623LettuceDetectLettuceDetect 是一个面向 RAG、代码生成和工具调用场景的幻觉检测工具，核心做的是 span 级别的 grounding 验证。它不满足于只判断整★ 617ARIS-in-AI-OfferARIS-in-AI-Offer 是一个面向 AI 领域秋招的中英双语面试速查表项目，由 ARIS 工具链自动生成。它解决 AI 求职者备考资料分散、更新不及时★ 611

相关标签

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