Ini adalah daftar tutorial, proyek, perpustakaan, video, makalah, buku, dan apa pun yang berhubungan dengan PyTorch yang luar biasa. Jangan ragu untuk membuat permintaan tarik untuk berkontribusi pada daftar ini.
Daftar isi
- Daftar isi
- Tutorial
- Model Bahasa Besar (LLM)
- Data Tabel
- Visualisasi
- Penjelasan
- Deteksi Objek
- Pengakuan Berekor Panjang/Di Luar Distribusi
- Fungsi Aktivasi
- Pembelajaran Berbasis Energi
- Data Hilang
- Pencarian Arsitektur
- Pembelajaran Berkelanjutan
- Optimasi
- Kuantisasi
- Pembelajaran Mesin Kuantum
- Kompresi Jaringan Syaraf Tiruan
- Pengenalan Wajah, Tindakan dan Pose
- Resolusi super
- Mensintesis Tampilan
- Suara
- Medis
- Segmentasi 3D, Klasifikasi dan Regresi
- Pengenalan Video
- Jaringan Neural Berulang (RNN)
- Jaringan Neural Konvolusional (CNN)
- Segmentasi
- Pembelajaran Mendalam Geometris: Grafik & Struktur Tidak Beraturan
- Penyortiran
- Jaringan Persamaan Diferensial Biasa
- Pembelajaran Multi-tugas
- GAN, VAE, dan AE
- Pembelajaran Tanpa Pengawasan
- Serangan Musuh
- Perpindahan Gaya
- Keterangan Gambar
- transformator
- Kesamaan Jaringan dan Fungsi
- Pemikiran
- NLP Umum
- Tanya Jawab
- Pembuatan dan Pengakuan Pidato
- Klasifikasi Dokumen dan Teks
- Pembuatan Teks
- Teks ke Gambar
- Terjemahan
- Analisis Sentimen
- Pembelajaran Penguatan Mendalam
- Pembelajaran Bayesian Mendalam dan Pemrograman Probabilistik
- Jaringan Neural Spiking
- Deteksi Anomali
- Jenis Regresi
- Rangkaian Waktu
- Kumpulan Data Sintetis
- Perbaikan Umum Jaringan Neural
- Aplikasi DNN dalam Kimia dan Fisika
- Pemikiran Baru tentang Arsitektur Jaringan Neural Umum
- Aljabar Linier
- Abstraksi API
- Utilitas Tingkat Rendah
- Utilitas PyTorch
- Tutorial Video PyTorch
- Masyarakat
- Untuk Diklasifikasikan
- Tautan ke Repositori Ini
- Kontribusi
Tutorial
- Tutorial Resmi PyTorch
- Contoh Resmi PyTorch
- Selami Pembelajaran Mendalam dengan PyTorch
- Kursus Mini dalam Pembelajaran Mendalam dengan PyTorch (Multi-bahasa)
- Pembelajaran Mendalam Praktis dengan PyTorch
- Model Pembelajaran Mendalam
- Implementasi C++ dari Tutorial PyTorch
- Contoh Sederhana untuk Memperkenalkan PyTorch
- Tutorial Mini di PyTorch
- Pembelajaran Mendalam untuk NLP
- Tutorial Pembelajaran Mendalam untuk Peneliti
- Jaringan Konvolusional Sepenuhnya diimplementasikan dengan PyTorch
- Tutorial PyTorch Sederhana Nol untuk SEMUA
- DeepNLP-model-Pytorch
- Tutorial Selamat Datang MILA PyTorch
- PyTorch Efektif, Mengoptimalkan Runtime dengan TorchScript dan Optimasi Stabilitas Numerik
- PyTorch Praktis
- Templat Proyek PyTorch
- Pencarian Semantik dengan PyTorch
Model Bahasa Besar (LLM)
- Tutorial LLM
- Membangun Model Bahasa Besar (Dari Awal)
- Buku Pelatihan Hugginface LLM, kumpulan metodologi untuk membantu keberhasilan pelatihan model bahasa besar
- Umum
- Starcoder 2, rangkaian model pembuatan kode
- GPT Inferensi transformator asli pytorch yang cepat, cepat, dan dapat diretas
- Mixtral Offloading, jalankan model Mixtral-8x7B di Colab atau desktop konsumen
- lama
- Resep Llama
- Llama Kecil
- Transformator Terlatih Mosaik (MPT)
- VLLM, mesin inferensi dan penyajian throughput tinggi dan hemat memori untuk LLM
- Boneka
- Vicuna
- Mistral 7B
- BigDL LLM, perpustakaan untuk menjalankan LLM (model bahasa besar) pada Intel XPU (dari Laptop ke GPU ke Cloud) menggunakan INT4 dengan latensi1 sangat rendah (untuk model PyTorch apa pun)
- Penyempurna LLM Sederhana
- Kelopak, jalankan LLM di rumah, gaya BitTorrent, penyesuaian dan inferensi hingga 10x lebih cepat daripada pembongkaran
- Jepang
- Llama Jepang
- GPT Jepang Neox dan Open Calm
- Cina
- Llamma-2 Cina 7B
- Vicuna Cina
- Pengambilan Augmented Generation (RAG)
- LlamaIndex, kerangka data untuk aplikasi LLM Anda
- Penyematan
- ChromaDB, basis data penyematan sumber terbuka
- Aplikasi
- Langchain, membangun aplikasi dengan LLM melalui komposisi
- Penyempurnaan
- Huggingface PEFT, Penyempurnaan Parameter-Efisien yang canggih
- Pelatihan
- Higgsfield, Orkestrasi GPU yang toleran terhadap kesalahan, sangat skalabel, dan kerangka kerja pembelajaran mesin yang dirancang untuk model pelatihan dengan miliaran hingga triliunan parameter
- Kuantisasi
- AutoGPTQ, paket kuantisasi LLM yang mudah digunakan dengan api yang mudah digunakan, berdasarkan algoritma GPTQ
Data Tabel
- Bingkai PyTorch: Kerangka Modular untuk Pembelajaran Tabular Multi-Modal
- Pytorch Tabular, kerangka standar untuk memodelkan Model Pembelajaran Mendalam untuk data tabular
- Tab Transformator
- PyTorch-TabNet: Pembelajaran Tabular yang Dapat Ditafsirkan dengan Penuh Perhatian
- carefree-learn: Solusi Pembelajaran Mesin Otomatis (AutoML) minimal untuk kumpulan data tabel berdasarkan PyTorch
Visualisasi
- Visualisasi Kerugian
- Grad-CAM: Penjelasan Visual dari Deep Networks melalui Lokalisasi Berbasis Gradien
- Jaringan Konvolusional Jauh Di Dalam: Memvisualisasikan Model Klasifikasi Gambar dan Peta Saliency
- SmoothGrad: menghilangkan noise dengan menambahkan noise
- DeepDream: visual halusinogen seperti mimpi
- FlashTorch: Perangkat visualisasi untuk jaringan saraf di PyTorch
- Lucent: Lucid diadaptasi untuk PyTorch
- DreamCreator: Melatih model GoogleNet untuk DeepDream dengan kumpulan data khusus menjadi sederhana
- Visualisasi Peta Fitur CNN
Penjelasan
- Pohon Keputusan yang Didukung Neural
- Estimasi Kovarian Efisien dari Data Temporal
- Interpretasi hierarki untuk prediksi jaringan saraf
- Shap, pendekatan terpadu untuk menjelaskan keluaran model pembelajaran mesin apa pun
- Memvisualisasikan PyTorch menyimpan model pembelajaran mendalam .pth dengan netron
- Menyaring Jaringan Neural Menjadi Pohon Keputusan Lembut
- Captum, Pustaka interpretabilitas model terpadu untuk PyTorch
Deteksi Objek
- Kotak Alat Deteksi Objek Deteksi MM
- Tolok Ukur Mask R-CNN: R-CNN Lebih Cepat dan Mask R-CNN di PyTorch 1.0
- YOLO-Dunia
- YOLO
- YOLOF
- YOLOX
- YOLOv10
- YOLOv9
- YOLOv8
- Yolov7
- YOLOv6
- Yolov5
- Yolov4
- YOLOv3
- YOLOv2: Deteksi Objek Waktu Nyata
- SSD: Detektor MultiBox Tembakan Tunggal
- Model detektor untuk Deteksi Objek
- Pengenalan Angka Multi-digit dari Citra Street View menggunakan Jaringan Neural Konvolusional Dalam
- Detektor Paus
- Katalis.Deteksi
Pengakuan Berekor Panjang/Di Luar Distribusi
- Jaringan Neural yang Kuat Secara Distribusi untuk Pergeseran Grup: Tentang Pentingnya Regularisasi untuk Generalisasi Kasus Terburuk
- Minimalkan Risiko Invarian
- Pelatihan Pengklasifikasi yang Dikalibrasi dengan Keyakinan untuk Mendeteksi Sampel Di Luar Distribusi
- Deteksi Anomali Mendalam dengan Eksposur Outlier
- Pengakuan Ekor Panjang Berskala Besar di Dunia Terbuka
- Deteksi Prinsip Contoh Di Luar Distribusi di Jaringan Syaraf Tiruan
- Mempelajari Keyakinan untuk Deteksi Di Luar Distribusi di Jaringan Syaraf Tiruan
- Sampler Kelas Tidak Seimbang PyTorch
Fungsi Aktivasi
- Aktivasi Rasional - Fungsi Aktivasi Rasional yang Dapat Dipelajari
Pembelajaran Berbasis Energi
- EBGAN, GAN Berbasis Energi
- Generator Entropi Maksimum untuk Model Berbasis Energi
Data Hilang
- BRITS: Imputasi Berulang Dua Arah untuk Rangkaian Waktu
Pencarian Arsitektur
- EfisienNetV2
- PadatNAS
- DARTS: Pencarian Arsitektur yang Dapat Dibedakan
- Pencarian Arsitektur Neural yang Efisien (ENAS)
- EfficientNet: Memikirkan Kembali Penskalaan Model untuk Jaringan Neural Konvolusional
Pembelajaran Berkelanjutan
- Renate, Pelatihan Ulang Otomatis Jaringan Neural
Optimasi
- AccSGD, AdaBound, AdaMod, DiffGrad, Lamb, NovoGrad, RAdam, SGDW, Yogi dan banyak lagi
- Pengoptimal Lookahead: k langkah maju, 1 langkah mundur
- RAdam, Tentang Varian Kecepatan Pembelajaran Adaptif dan Lebih Lanjutnya
- Over9000, Perbandingan RAdam, Lookahead, Novograd, dan kombinasi
- AdaBound, Berlatih Secepat Adam Sebagus SGD
- Metode Optimasi Adaptif Riemann
- L-BFGS
- OptNet: Optimasi Diferensiasi sebagai Lapisan di Jaringan Syaraf Tiruan
- Belajar belajar dengan penurunan gradien dengan penurunan gradien
- Pembelajaran Gradien Pengganti di Spiking Neural Networks
- TorchOpt: Perpustakaan yang Efisien untuk Pengoptimalan yang Dapat Dibedakan
Kuantisasi
- Kuantisasi Kekuatan Dua Aditif: Diskritisasi Tidak Seragam yang Efisien Untuk Jaringan Syaraf Tiruan
Pembelajaran Mesin Kuantum
- Tor10, perpustakaan jaringan tensor umum untuk simulasi kuantum di PyTorch
- PennyLane, pustaka Python lintas platform untuk pembelajaran mesin kuantum dengan antarmuka PyTorch
Kompresi Jaringan Syaraf Tiruan
- Kompresi Bayesian untuk Pembelajaran Mendalam
- Neural Network Distiller oleh Intel AI Lab: paket Python untuk penelitian kompresi jaringan saraf
- Mempelajari Sparse Neural Networks melalui regularisasi L0
- Kompresi Terbatas Energi untuk Jaringan Neural Dalam melalui Proyeksi Jarang Tertimbang dan Masking Input Lapisan
- EigenDamage: Pemangkasan Terstruktur dalam Eigenbasis Berfaktor Kronecker
- Memangkas Jaringan Neural Konvolusional untuk Inferensi yang Efisien Sumber Daya
- Memangkas jaringan saraf: apakah sudah waktunya untuk menghentikannya sejak awal? (menunjukkan jaringan yang dikurangi berfungsi lebih baik)
Pengenalan Wajah, Tindakan dan Pose
- Facenet: Model deteksi dan pengenalan wajah Pytorch yang telah dilatih sebelumnya
- DGC-Net: Jaringan Korespondensi Geometris Padat
- Pustaka pengenalan wajah berkinerja tinggi di PyTorch
- FaceBoxes, pendeteksi wajah real-time CPU dengan akurasi tinggi
- Seberapa jauh kita bisa menyelesaikan masalah Penyelarasan Wajah 2D & 3D? (dan kumpulan data 230.000 landmark wajah 3D)
- Mempelajari Fitur Spatio-Temporal dengan Jaringan Residual 3D untuk Pengenalan Tindakan
- Estimasi Pose Multi-Orang PyTorch Realtime
- SphereFace: Penyematan Deep Hypersphere untuk Pengenalan Wajah
- GANimation: Animasi Wajah yang Sadar Secara Anatomi dari Satu Gambar
- Shufflenet V2 by Face++ dengan hasil lebih baik dibandingkan kertas
- Menuju Estimasi Pose Manusia 3D di Alam Liar: Pendekatan dengan Pengawasan yang Lemah
- Pembelajaran Kedalaman dan Gerakan Ego Tanpa Pengawasan dari Video
- FlowNet 2.0: Evolusi Estimasi Aliran Optik dengan Jaringan Dalam
- FlowNet: Mempelajari Aliran Optik dengan Jaringan Konvolusional
- Estimasi Aliran Optik menggunakan Jaringan Piramida Spasial
- OpenFace di PyTorch
- Pengenalan Wajah Mendalam di PyTorch
Resolusi super
- Jaringan Residu Dalam yang Ditingkatkan untuk Resolusi Super Gambar Tunggal
- Superresolusi menggunakan jaringan saraf konvolusional subpiksel yang efisien
- Kerugian Persepsi untuk Transfer Gaya Real-Time dan Resolusi Super
Mensintesis Tampilan
- NeRF, Neural Radian Fields, Mensintesis Tampilan Novel dari Adegan Kompleks
Suara
- Google AI VoiceFilter: Pemisahan Suara yang Ditargetkan dengan Masking Spektogram Berkondisi Speaker
Medis
- Kebun Binatang Medis, perpustakaan segmentasi gambar medis multi-modal 3D di PyTorch
- U-Net untuk Segmentasi Abnormalitas FLAIR pada MRI Otak
- Klasifikasi Genomik melalui ULMFiT
- Jaringan Syaraf Dalam Meningkatkan Kinerja Ahli Radiologi dalam Skrining Kanker Payudara
- Delira, kerangka kerja ringan untuk pembuatan prototipe pencitraan medis
- V-Net: Jaringan Neural Konvolusional Sepenuhnya untuk Segmentasi Gambar Medis Volumetrik
- Medical Torch, kerangka pencitraan medis untuk PyTorch
- TorchXRayVision - Perpustakaan untuk kumpulan data dan model rontgen dada. Termasuk model terlatih.
Segmentasi 3D, Klasifikasi dan Regresi
- Kaolin, Perpustakaan untuk Mempercepat Penelitian Pembelajaran Mendalam 3D
- PointNet: Pembelajaran Mendalam tentang Kumpulan Titik untuk Klasifikasi dan Segmentasi 3D
- Segmentasi 3D dengan MONAI dan Catalyst
Pengenalan Video
- Menari mengikuti Musik
- Iblis Ada di Tepian: Mempelajari Batasan Semantik dari Anotasi Bising
- Analisis Video Mendalam
- PredRNN: Jaringan Neural Berulang untuk Pembelajaran Prediktif menggunakan LSTM Spatiotemporal
Jaringan Neural Berulang (RNN)
- SRU: melatih RNN secepat CNN
- Neuron Terurut: Mengintegrasikan Struktur Pohon ke dalam Jaringan Syaraf Berulang
- Rata-rata Penurunan Gradien Stochastic dengan Penurunan Berat LSTM
- Melatih RNN secepat CNN
- Jaringan Syaraf Tiruan Kuasi-Berulang (QRNN)
- ReSeg: Model Berbasis Jaringan Neural Berulang untuk Segmentasi Semantik
- Model Variabel Laten Berulang untuk Data Sekuensial (VRNN)
- Representasi Semantik yang Lebih Baik Dari Jaringan Memori Jangka Pendek Panjang Terstruktur Pohon
- Model Jaringan Syaraf Berulang Berbasis Perhatian untuk Deteksi Niat Bersama dan Pengisian Slot
- Pembanding Berulang yang Penuh Perhatian
- Kumpulan Model Urutan ke Urutan dengan PyTorch
- Model Urutan Vanila ke Urutan
- Model Urutan ke Urutan berbasis perhatian
- Mekanisme perhatian yang lebih cepat menggunakan perkalian titik antara status tersembunyi encoder dan decoder akhir
Jaringan Neural Konvolusional (CNN)
- LegoNet: Jaringan Neural Konvolusional yang Efisien dengan Filter Lego
- MeshCNN, jaringan saraf konvolusional yang dirancang khusus untuk jerat segitiga
- Konvolusi Oktaf
- Model Gambar PyTorch, ResNet/ResNeXT, DPN, MobileNet-V3/V2/V1, MNASNet, NAS Jalur Tunggal, FBNet
- Jaringan Neural Dalam dengan Konvolusi Kotak
- Jaringan Residu yang Dapat Dibalik
- Downsampling Stochastic untuk Inferensi yang Dapat Disesuaikan Biaya dan Peningkatan Regularisasi dalam Jaringan Konvolusional
- Implementasi R-CNN Lebih Cepat
- R-CNN Lebih Cepat Implementasi Lainnya
- Lebih Memperhatikan Perhatian: Meningkatkan Kinerja Jaringan Neural Konvolusional melalui Transfer Perhatian
- Model ResNet Luas di PyTorch -DiracNets: Melatih Jaringan Neural Sangat Dalam Tanpa Lewati Koneksi
- Jaringan Syaraf Tiruan End-to-End yang Dapat Dilatih untuk Pengenalan Urutan Berbasis Gambar dan Penerapannya pada Pengenalan Teks Adegan
- Densenet yang Efisien
- Interpolasi Bingkai Video melalui Konvolusi Adaptif yang Dapat Dipisahkan
- Mempelajari deskriptor fitur lokal dengan triplet dan jaringan saraf konvolusional yang dangkal
- Jaringan Konvolusional yang Terhubung Padat
- Jaringan Konvolusional Sangat Dalam untuk Pengenalan Gambar Skala Besar
- SqueezeNet: Akurasi tingkat AlexNet dengan parameter 50x lebih sedikit dan ukuran model <0,5 MB
- Pembelajaran Residual Mendalam untuk Pengenalan Gambar
- Melatih ResNet Luas untuk CIFAR-10 dan CIFAR-100 di PyTorch
- Jaringan Konvolusional yang Dapat Dideformasi
- Kain Neural Konvolusional
- Jaringan Konvolusional yang Dapat Diubah Bentuk di PyTorch
- Kombinasi ResNet yang melebar dengan Konvolusi yang Melebar
- Berjuang untuk Kesederhanaan: Jaringan Semua Konvolusional
- Jaringan LSTM Konvolusional
- Koleksi besar model klasifikasi terlatih
- Klasifikasi Gambar PyTorch dengan Kumpulan Data Kaggle Dogs vs Cats
- CIFAR-10 di Pytorch dengan VGG, ResNet, dan DenseNet
- Mendasarkan model dan kumpulan data yang telah dilatih sebelumnya di pytorch (MNIST, SVHN, CIFAR10, CIFAR100, STL10, AlexNet, VGG16, VGG19, ResNet, Inception, SqueezeNet)
- NVIDIA/interpolasi video tanpa pengawasan
Segmentasi
- Detektor2 oleh FAIR
- Segmentasi berdasarkan piksel pada Dataset VOC2012 menggunakan PyTorch
- Pywick - Pustaka pelatihan jaringan saraf tingkat tinggi yang dilengkapi baterai untuk Pytorch
- Meningkatkan Segmentasi Semantik melalui Propagasi Video dan Relaksasi Label
- Super-BPD: Arah Super Batas-ke-Piksel untuk Segmentasi Gambar Cepat
- Katalis. Segmentasi
- Model segmentasi dengan tulang punggung yang telah dilatih sebelumnya
Pembelajaran Mendalam Geometris: Grafik & Struktur Tidak Beraturan
- Geometris PyTorch, Ekstensi Pembelajaran Mendalam
- PyTorch Geometric Temporal: Perpustakaan Ekstensi Temporal untuk PyTorch Geometric
- PyTorch Geometric Signed Directed: Perpustakaan Ekstensi yang Ditandatangani & Disutradarai untuk PyTorch Geometric
- ChemicalX: Perpustakaan Pembelajaran Mendalam Berbasis PyTorch untuk Penilaian Pasangan Obat
- Pengumpulan Grafik Perhatian Diri
- Jaringan Neural Grafik Sadar Posisi
- Jaringan Neural Konvolusional Grafik Bertanda
- Grafik U-Nets
- Cluster-GCN: Algoritma Efisien untuk Melatih Jaringan Konvolusional Grafik Dalam dan Besar
- MixHop: Arsitektur Konvolusional Grafik Tingkat Tinggi melalui Sparsified Neighborhood Mixing
- Klasifikasi Grafik Semi-Supervisi: Perspektif Grafik Hirarki
- PyTorch BigGraph oleh FAIR untuk Menghasilkan Embeddings Dari Data Grafik Skala Besar
- Jaringan Syaraf Grafik Kapsul
- Splitter: Representasi Node Pembelajaran yang Menangkap Berbagai Konteks Sosial
- Lapisan Konvolusional Grafik Tingkat Tinggi
- Prediksikan lalu Sebarkan: Grafik Neural Networks memenuhi Personalized PageRank
- Lorentz Embeddings: Pelajari Hirarki Berkelanjutan di Ruang Hiperbolik
- Grafik Jaringan Syaraf Wavelet
- Perhatikan Langkah Anda: Mempelajari Penyematan Node melalui Perhatian Grafik
- Jaringan Konvolusional Grafik Bertanda
- Klasifikasi Grafik Menggunakan Perhatian Struktural
- SimGNN: Pendekatan Jaringan Neural untuk Komputasi Kesamaan Grafik Cepat
- SINE: Penyematan Jaringan Tidak Lengkap yang Dapat Diskalakan
- HypER: Penyematan Grafik Pengetahuan Hypernetwork
- TuckER: Faktorisasi Tensor untuk Penyelesaian Grafik Pengetahuan
- PyKEEN: Pustaka Python untuk mempelajari dan mengevaluasi penyematan grafik pengetahuan
- Jaringan Penemuan Pathfinder untuk Penyampaian Pesan Neural
- SSSNET: Pengelompokan Jaringan Bertanda Tangan Semi-Diawasi
- MagNet: Jaringan Syaraf Tiruan untuk Grafik Terarah
- Geopooling PyTorch: Modul Penggabungan Geospasial untuk Jaringan Syaraf Tiruan di PyTorch
Penyortiran
- Optimasi Stokastik Jaringan Penyortiran melalui Relaksasi Berkelanjutan
Jaringan Persamaan Diferensial Biasa
- ODE Laten untuk Rangkaian Waktu dengan Sampel Tidak Teratur
- GRU-ODE-Bayes: pemodelan berkelanjutan dari rangkaian waktu yang diamati secara sporadis
Pembelajaran Multi-tugas
- Model Pembelajaran Multi-Tugas Hierarki
- Pembelajaran Model End-to-end Berbasis Tugas
- torchMTL: Modul ringan untuk Pembelajaran Multi-Tugas di pytorch
GAN, VAE, dan AE
- BigGAN: Pelatihan GAN Skala Besar untuk Sintesis Gambar Alami dengan Ketelitian Tinggi
- Metrik Kinerja Fidelitas Tinggi untuk Model Generatif di PyTorch
- Mimikri, Perpustakaan PyTorch untuk Reproduksibilitas Penelitian GAN
- Bersihkan CycleGAN yang Dapat Dibaca
- BintangGAN
- Blokir Aliran Autoregresif Neural
- Sintesis Gambar Resolusi Tinggi dan Manipulasi Semantik dengan GAN Bersyarat
- Arsitektur Generator Berbasis Gaya untuk Jaringan Adversarial Generatif
- GANDissect, Alat PyTorch untuk Memvisualisasikan Neuron di GAN
- Mempelajari representasi mendalam dengan estimasi dan maksimalisasi informasi timbal balik
- Autoencoder Laplace Variasi
- VeGANS, perpustakaan untuk melatih GAN dengan mudah
- Pertumbuhan GAN yang Progresif untuk Peningkatan Kualitas, Stabilitas, dan Variasi
- GAN bersyarat
- Wasserstein GAN
- Jaringan Generator-Encoder Musuh
- Terjemahan Gambar-ke-Gambar dengan Jaringan Adversarial Bersyarat
- Terjemahan Gambar-ke-Gambar Tidak Berpasangan menggunakan Jaringan Adversarial yang Konsisten Siklus
- Tentang Pengaruh Normalisasi Batch dan Bobot di Jaringan Adversarial Generatif
- Peningkatan Pelatihan GAN Wasserstein
- Koleksi Model Generatif dengan PyTorch
- Jaring Adversarial Generatif (GAN)
- vanila GAN
- GAN bersyarat
- InfoGAN
- Wasserstein GAN
- Mode GAN yang Diatur
- Autoencoder Variasi (VAE)
- Vanila VAE
- VAE bersyarat
- Mencela VAE
- Autoencoder Musuh
- Variasi Bayes yang Bermusuhan
- Peningkatan Pelatihan GAN Wasserstein
- CycleGAN dan GAN Semi-Supervisi
- Meningkatkan Variational Auto-Encoder menggunakan Householder Flow dan menggunakan kombinasi cembung Linear Inverse Autoregressive Flow
- Koleksi PyTorch GAN
- Jaringan Adversarial Generatif, dengan fokus pada gambar wajah anime
- Jaringan Adversarial Generatif Sederhana
- Pembuat enkode otomatis permusuhan
- torchgan: Kerangka pemodelan Jaringan Adversarial Generatif di Pytorch
- Mengevaluasi Tingkat Kompresi Lossy Model Generatif Dalam
- Katalis.GAN
- vanila GAN
- GAN bersyarat
- Wasserstein GAN
- Peningkatan Pelatihan GAN Wasserstein
Pembelajaran Tanpa Pengawasan
- Pembelajaran Penyematan Tanpa Pengawasan melalui Fitur Instans Invarian dan Penyebaran
- DAN: Penemuan Lingkungan Jangkar
Serangan Musuh
- Jaringan Neural Dalam Mudah Tertipu: Prediksi Keyakinan Tinggi untuk Gambar yang Tidak Dapat Dikenali
- Menjelaskan dan Memanfaatkan Contoh Permusuhan
- AdverTorch - Kotak Peralatan untuk Penelitian Kekokohan Permusuhan
Perpindahan Gaya
- Pystiche: Kerangka untuk Transfer Gaya Neural
- Mendeteksi Contoh Permusuhan melalui Sidik Jari Neural
- Algoritma Neural Gaya Artistik
- Jaringan Generatif Multi-gaya untuk Transfer Waktu Nyata
- DeOldify, Mewarnai Gambar Lama
- Transfer Gaya Neural
- Transfer Gaya Neural Cepat
- Menggambar seperti Bob Ross
Keterangan Gambar
- CLIP (Pra-Pelatihan Gambar-Bahasa Kontrasif)
- Neuraltalk 2, Model Teks Gambar, di PyTorch
- Hasilkan keterangan dari gambar dengan PyTorch
- DenseCap: Jaringan Lokalisasi Sepenuhnya Konvolusional untuk Teks Padat
transformator
- Hanya perhatian yang Anda butuhkan
- Jaringan Transformator Spasial
Kesamaan Jaringan dan Fungsi
- Jaringan Kesamaan Bersyarat
Pemikiran
- Menyimpulkan dan Menjalankan Program untuk Penalaran Visual
NLP Umum
- nanoGPT, repositori tercepat untuk pelatihan/penyempurnaan GPT berukuran sedang
- minGPT, Implementasi kembali GPT menjadi kecil, bersih, dapat ditafsirkan dan mendidik
- Espresso, Modul Perangkat Pengenalan Ucapan Otomatis Neural
- Representasi Dokumen Sadar Label melalui Perhatian Hibrid untuk Klasifikasi Teks Multi-Label Ekstrim
- XLNet
- Bercakap-cakap dengan Membaca: Percakapan Neural yang Penuh Konten dengan Pembacaan Mesin Sesuai Permintaan
- Pra-Pelatihan Model Bahasa Lintas Bahasa
- Terjemahan Libre Office melalui PyTorch NMT
- BERT
- VSE++: Peningkatan Penyematan Visual-Semantik
- Penyematan Kalimat Perhatian Diri Terstruktur
- Model pelabelan Urutan Neural
- Vektor Lewati Pemikiran
- Rangkaian Lengkap untuk Pelatihan Model Seq2Seq di PyTorch
- MUSE: Penyematan Multibahasa Tanpa Pengawasan dan Diawasi
- TorchMoji: Implementasi PyTorch dari DeepMoji ke dalam Bahasa yang digunakan untuk Mengekspresikan Emosi
Tanya Jawab
- Menjawab Pertanyaan Visual di Pytorch
- Membaca Wikipedia untuk Menjawab Pertanyaan Domain Terbuka
- Setuju atau Tidak Setuju? Pembelajaran End-to-End untuk Dialog Negosiasi
- Penghitungan yang Dapat Ditafsirkan untuk Menjawab Pertanyaan Visual
- Chatbot Sumber Terbuka dengan PyTorch
Pembuatan dan Pengakuan Pidato
- Perangkat Pengenalan Ucapan PyTorch-Kaldi
- WaveGlow: Jaringan Generatif Berbasis Aliran untuk Sintesis Ucapan
- BukaNMT
- Deep Speech 2: Pengenalan Ucapan End-to-End dalam Bahasa Inggris dan Mandarin
- WeNet: Perangkat Pengenalan Ucapan End-to-End yang Siap Produksi dan Siap Produksi
Klasifikasi Dokumen dan Teks
- Jaringan Perhatian Hierarki untuk Klasifikasi Dokumen
- Jaringan Perhatian Hierarki untuk Klasifikasi Dokumen
- Klasifikasi Teks Berbasis CNN
Pembuatan Teks
Teks ke Gambar
- Difusi Stabil
- Dall-E 2
- Dall-E
Terjemahan
- Sistem Terjemahan Mesin Neural (NMT) sumber terbuka (MIT).
Analisis Sentimen
- Jaringan Neural Berulang untuk Analisis Sentimen (Berbasis Aspek) pada SemEval 2014
- Penguraian Maksud Seq2Seq
- Menyempurnakan BERT untuk Analisis Sentimen
Pembelajaran Penguatan Mendalam
- Hanya Augmentasi Gambar yang Anda Butuhkan: Mengatur Pembelajaran Penguatan Mendalam dari Piksel
- Eksplorasi dengan Distilasi Jaringan Acak
- EGG: Munculnya bahasa dalam Game, segera implementasikan game multi-agen dengan komunikasi saluran terpisah
- Perbedaan Temporal VAE
- Agen Atari A3C berkinerja tinggi dalam 180 Jalur PyTorch
- Mempelajari kapan harus berkomunikasi dalam skala besar dalam tugas kooperatif dan kompetitif multiagen
- Aktor-Perhatian-Kritikus untuk Pembelajaran Penguatan Multi-Agen
- PPO di PyTorch C++
- Pembelajaran Penguatan untuk Terjemahan Mesin Neural Bandit dengan Simulasi Umpan Balik Manusia
- Metode Asinkron untuk Pembelajaran Penguatan Mendalam
- Pembelajaran Q Mendalam Berkelanjutan dengan Akselerasi Berbasis Model
- Metode Asinkron untuk Pembelajaran Penguatan Mendalam untuk Atari 2600
- Optimalisasi Kebijakan Wilayah Kepercayaan
- Optimasi Kombinatorial Neural dengan Pembelajaran Penguatan
- Jaringan Bising untuk Eksplorasi
- Optimasi Kebijakan Proksimal Terdistribusi
- Model pembelajaran penguatan di lingkungan ViZDoom dengan PyTorch
- Model pembelajaran penguatan menggunakan Gym dan Pytorch
- SLM-Lab: Kerangka Pembelajaran Penguatan Mendalam Modular di PyTorch
- Katalis.RL
Pembelajaran Bayesian Mendalam dan Pemrograman Probabilistik
- BatchBALD: Akuisisi Batch yang Efisien dan Beragam untuk Pembelajaran Aktif Deep Bayesian
- Inferensi Subruang untuk Pembelajaran Mendalam Bayesian
- Pembelajaran Mendalam Bayesian dengan Paket Inferensi Variasi
- Pemrograman Probabilistik dan Inferensi Statistik di PyTorch
- CNN Bayesian dengan Inferensi Variasi di PyTorch
Jaringan Neural Spiking
- Norse, Perpustakaan untuk Pembelajaran Mendalam dengan Spiking Neural Networks
Deteksi Anomali
- Deteksi Anomali Akuntansi menggunakan Deep Autoencoder Neural Networks
Jenis Regresi
Rangkaian Waktu
- Jaringan Perhatian Diri Ganda untuk Peramalan Rangkaian Waktu Multivariat
- DILATE: Kerugian Distorsi dengan BENTUK dan WAKTU
- Autoencoder Berulang Variasi untuk Pengelompokan Deret Waktu
- Jaringan Neural Spatio-Temporal untuk Pemodelan Rangkaian Ruang-Waktu dan Penemuan Hubungan
- Perkiraan Aliran: Pembelajaran mendalam untuk kerangka perkiraan deret waktu yang dibangun di PyTorch
Kumpulan Data Sintetis
- Meta-Sim: Belajar Menghasilkan Kumpulan Data Sintetis
Perbaikan Umum Jaringan Neural
- BatchNorm yang Diaktifkan di Tempat untuk Pelatihan DNN yang Mengoptimalkan Memori
- Berlatih lebih lama, menggeneralisasi lebih baik: menutup kesenjangan generalisasi dalam pelatihan jaringan saraf dalam jumlah besar
- FreezeOut: Mempercepat Pelatihan dengan Membekukan Lapisan Secara Progresif
- Neuron Stokastik Biner
- Pengumpulan Bilinear Ringkas
- Pelatihan Presisi Campuran di PyTorch
Aplikasi DNN dalam Kimia dan Fisika
- Fisika Gelombang sebagai Jaringan Syaraf Berulang Analog
- Penyampaian Pesan Neural untuk Kimia Kuantum
- Desain kimia otomatis menggunakan representasi molekul yang berkelanjutan berdasarkan data
- Pembelajaran Mendalam untuk Proses Fisik: Mengintegrasikan Pengetahuan Ilmiah Sebelumnya
- Simulasi Molekuler yang Dapat Dibedakan untuk Pembelajaran dan Kontrol
Pemikiran Baru tentang Arsitektur Jaringan Neural Umum
- Melengkapi Pelatihan Objektif
- Antarmuka Neural yang Dipisahkan menggunakan Gradien Sintetis
Aljabar Linier
- Vektor eigen dari nilai eigen
Abstraksi API
- Lapisan Obor, Inferensi Bentuk untuk PyTorch, Lapisan SOTA
- Hummingbird, jalankan model scikit-learn terlatih pada GPU dengan PyTorch
Utilitas Tingkat Rendah
- TorchSharp, .NET API dengan akses ke perpustakaan dasar yang mendukung PyTorch
Utilitas PyTorch
- Functorch: prototipe transformator Fungsi yang dapat disusun seperti JAX untuk PyTorch
- Poutyne: Kerangka Sederhana untuk Pelatihan Jaringan Syaraf Tiruan
- Pembelajaran Metrik PyTorch
- Kornia: Perpustakaan Visi Komputer Terdiferensiasi Sumber Terbuka untuk PyTorch
- BackPACK untuk Mengekstraksi Varians, Diagonal Gauss-Newton, dan KFAC dengan mudah
- PyHessian untuk Menghitung Nilai Eigen Hessian, jejak matriks, dan ESD
- Goni di PyTorch
- Lapisan Cembung yang Dapat Didiferensiasi
- Albumentasi: Perpustakaan Augmentasi Gambar Cepat
- Lebih tinggi, dapatkan gradien tingkat tinggi atas kerugian yang mencakup loop pelatihan
- Neural Pipeline, Pipeline Pelatihan untuk PyTorch
- Profiler Model PyTorch lapis demi lapis untuk Memeriksa Konsumsi Waktu Model
- Distribusi Jarang
- Diffdist, Menambahkan Dukungan untuk Komunikasi Diferensiasi yang memungkinkan paralelisme model terdistribusi
- HessianFlow, Perpustakaan Algoritma Berbasis Hessian
- Texar, Perangkat PyTorch untuk Pembuatan Teks
- Penghitung FLOP PyTorch
- Inferensi PyTorch pada C++ di Windows
- EuclidesDB, Database Fitur Pembelajaran Mesin Multi-Model
- Augmentasi dan Pengambilan Sampel Data untuk Pytorch
- PyText, kerangka pemodelan NLP berbasis pembelajaran mendalam yang secara resmi dikelola oleh FAIR
- Torchstat untuk Statistik Model PyTorch
- Muat file Audio langsung ke Tensor PyTorch
- Inisialisasi Berat
- Transformator spasial diimplementasikan di PyTorch
- PyTorch AWS AMI, jalankan PyTorch dengan dukungan GPU dalam waktu kurang dari 5 menit
- Gunakan papan tensor dengan PyTorch
- Modul Simple Fit di PyTorch, mirip dengan Keras
- pembawa obor: Perpustakaan pemasangan model untuk PyTorch
- Konverter model PyTorch ke Keras
- Konverter model Gluon ke PyTorch dengan pembuatan kode
- Katalis: Utilitas tingkat tinggi untuk penelitian PyTorch DL & RL
- PyTorch Lightning: Kerangka penelitian pembelajaran mendalam yang skalabel dan ringan
- Bertekad: Platform pembelajaran mendalam yang skalabel dengan dukungan PyTorch
- PyTorch-Ignite: Pustaka tingkat tinggi untuk membantu melatih dan mengevaluasi jaringan saraf di PyTorch secara fleksibel dan transparan
- torchvision: Paket yang terdiri dari kumpulan data populer, arsitektur model, dan transformasi gambar umum untuk computer vision.
- Poutyne: Kerangka kerja mirip Keras untuk PyTorch dan menangani sebagian besar kode boilerplating yang diperlukan untuk melatih jaringan saraf.
- torchensemble: Scikit-Learn seperti metode ansambel di PyTorch
- TorchFix - linter untuk kode yang menggunakan PyTorch dengan dukungan perbaikan otomatis
Tutorial Video PyTorch
- PyTorch Nol untuk Semua Kuliah
- PyTorch Untuk Kursus Lengkap Pembelajaran Mendalam
- PyTorch Lightning 101 bersama Alfredo Canziani dan William Falcon
- Pembelajaran Mendalam Praktis dengan PyTorch
Masyarakat
- Forum Diskusi PyTorch
- Tag StackOverflow PyTorch
- Katalis.Slack
Untuk Diklasifikasikan
- Jaringan Syaraf Perturbatif
- Potensi Jaringan Syaraf Tiruan yang Akurat
- Menskalakan Transformasi Hamburan: Jaringan Hibrida Dalam
- CortexNet: Keluarga Jaringan Generik untuk Representasi Visual Temporal yang Kuat
- Jaringan Respon Berorientasi
- Jaringan Kompresi Asosiatif
- Klarinet
- Transformasi Wavelet Berkelanjutan
- campur aduk: Melampaui Minimisasi Risiko Empiris
- Jaringan Dalam Jaringan
- Jaringan Jalan Raya
- Komputasi hibrid menggunakan jaringan saraf dengan memori eksternal dinamis
- Jaringan Iterasi Nilai
- Komputer Neural yang Dapat Didiferensiasi
- Representasi Neural dari Gambar Sketsa
- Memahami Representasi Gambar Dalam dengan Membalikkannya
- NIMA: Penilaian Gambar Neural
- NASNet-A-Mobile. Bobot porting
- Model penghasil kode grafis menggunakan Pemrosesan
Tautan ke Repositori Ini
- Repositori Github
- Situs web
Kontribusi
Jangan ragu untuk berkontribusi!
Anda dapat mengajukan masalah atau mengajukan permintaan penarikan, mana saja yang lebih nyaman bagi Anda. Pedomannya sederhana: ikuti saja format poin-poin sebelumnya atau buat bagian baru jika itu kategori baru.