pytorch-lightning

Fork de so-vits-svc avec prise en charge du temps réel, interface améliorée et fonctionnalités supplémentaires.

SUPIR vise à développer des algorithmes pratiques pour la restauration d'images photoréalistes en conditions réelles. Notre nouvelle démo en ligne est disponible sur suppixel.ai.

PyTorch Lightning + Hydra. Un modèle très convivial pour l'expérimentation en ML.

Prévision de séries temporelles avec PyTorch.

Dépôt de tutoriels Jupyter Notebook pour le cours de Deep Learning de l'Université d'Amsterdam (MSc AI), automne 2023.

Surveillez l'entraînement de modèles de deep learning et l'utilisation matérielle depuis votre téléphone mobile

Implémentation PyTorch de Pointnet2/Pointnet++

Cadre unifié pour les modèles de Deep Learning sur données tabulaires

solo-learn : une bibliothèque de méthodes auto-supervisées pour l'apprentissage de représentations visuelles, propulsée par PyTorch Lightning.

Modèles entraînés et code pour prédire les commentaires toxiques sur les 3 défis Jigsaw Toxic Comment. Construit avec ⚡ Pytorch Lightning et 🤗 Transformers. Pour accéder à notre API, veuillez nous contacter à contact@unitary.ai.

UNetFormer : un transformer de type UNet pour la segmentation sémantique efficace d'imagerie urbaine par télédétection (ISPRS). Inclut également d'autres vision transformers et CNN pour la segmentation d'images satellites, aériennes et de drones.

Pipelines, modèles et zoo pour l'apprentissage métrique et la recherche d'informations.

Une bibliothèque PyTorch dédiée à l'apprentissage par renforcement (RL) pour l'optimisation combinatoire (CO)

Un modèle OCR LaTeX SOTA minimaliste avec seulement 20M de paramètres, fonctionnant dans le navigateur. Pipeline d'entraînement complet disponible pour l'auto-reproduction.

Un framework de vision par ordinateur agnostique, connectable à toute bibliothèque d'entraînement : Fastai, Pytorch-Lightning et d'autres à venir

Dépôt officiel accompagnant l'article CVPR 2022 EMOCA : Emotion Driven Monocular Face Capture And Animation. EMOCA prend une image unique d'un visage en entrée et produit une reconstruction 3D. EMOCA établit une nouvelle norme pour la reconstruction d'images hautement émotionnelles en conditions réelles.

Apprentissage profond avec des réseaux de neurones impulsionnels (SNN) dans PyTorch.

Réseaux de neurones informés par la physique pour la modélisation avancée

Moteur de dynamique moléculaire (MD) de bout en bout utilisant PyTorch

Cadre ultra-rapide pour le fine-tuning des modèles d'apprentissage de similarité

✨ Premier modèle de reconnaissance de polices et d'extraction de style CJK (Chinois, Japonais, Coréen) / Modèle et implémentation de reconnaissance de polices de YuzuMarker, projet secondaire de YuzuMarker.

Modèles de flux optique PyTorch Lightning, scripts et poids pré-entraînés.

Implémentation PyTorch de Perceiver, Perceiver IO et Perceiver AR avec des scripts PyTorch Lightning pour l'entraînement distribué.