#PyTorch

LLM-workshop-2024学习资料汇总 - 从零开始理解和实现大型语言模型

2 个月前
Cover of LLM-workshop-2024学习资料汇总 - 从零开始理解和实现大型语言模型

torchchat入门指南 - PyTorch推出的本地LLM运行解决方案

2 个月前
Cover of torchchat入门指南 - PyTorch推出的本地LLM运行解决方案

DiffSinger入门学习资料 - 基于浅层扩散机制的歌声合成模型

2 个月前
Cover of DiffSinger入门学习资料 - 基于浅层扩散机制的歌声合成模型

Comprehensive-Transformer-TTS学习资料汇总-非自回归Transformer文本转语音项目

2 个月前
Cover of Comprehensive-Transformer-TTS学习资料汇总-非自回归Transformer文本转语音项目

Transformer-TTS入门指南 - 基于Transformer的神经网络语音合成实现

2 个月前
Cover of Transformer-TTS入门指南 - 基于Transformer的神经网络语音合成实现

OpenRL学习资料汇总 - 统一的强化学习框架

2 个月前
Cover of OpenRL学习资料汇总 - 统一的强化学习框架

FastSpeech2学习指南 - 快速高质量的端到端文本转语音模型

2 个月前
Cover of FastSpeech2学习指南 - 快速高质量的端到端文本转语音模型

DiffGAN-TTS学习资料汇总 - 基于去噪扩散GAN的高保真高效文本转语音模型

2 个月前
Cover of DiffGAN-TTS学习资料汇总 - 基于去噪扩散GAN的高保真高效文本转语音模型

GST-Tacotron学习资料汇总 - 端到端语音合成中的无监督风格建模、控制和迁移

2 个月前
Cover of GST-Tacotron学习资料汇总 - 端到端语音合成中的无监督风格建模、控制和迁移

MelGAN入门学习资料 - 基于GAN的声码器模型

2 个月前
Cover of MelGAN入门学习资料 - 基于GAN的声码器模型
相关项目
Project Cover

fastbook

本项目提供涵盖fastai和PyTorch的深度学习教程,适合初学者与进阶用户。可通过Google Colab在线运行,无需本地配置Python环境。项目还包括MOOC课程及相关书籍,系统化帮助用户学习深度学习技术。

Project Cover

pytorch-handbook

本开源书籍为使用PyTorch进行深度学习开发的用户提供系统化的入门指南。教程内容覆盖了从环境搭建到高级应用的各个方面,包括PyTorch基础、深度学习数学原理、神经网络、卷积神经网络、循环神经网络等,还包含实践案例与多GPU并行训练技巧。书籍持续更新,与PyTorch版本同步,适合所有深度学习研究者。

Project Cover

fastai

fastai是一个深度学习库,提供高层组件以快速实现高性能结果,同时为研究人员提供可组合的低层组件。通过分层架构和Python、PyTorch的灵活性,fastai在不牺牲易用性、灵活性和性能的情况下,实现了高效的深度学习。支持多种安装方式,包括Google Colab和conda,适用于Windows和Linux。学习资源丰富,包括书籍、免费课程和详细文档。

Project Cover

annotated_deep_learning_paper_implementations

该项目提供详细文档和解释的简明PyTorch神经网络及算法实现,涵盖Transformer、GPT-NeoX、GAN、扩散模型等前沿领域,并每周更新新实现,帮助研究者和开发者高效理解深度学习算法。

Project Cover

keras

Keras 3 提供高效的模型开发,支持计算机视觉、自然语言处理等任务。选择最快的后端(如JAX),性能提升高达350%。无缝扩展,从本地到大规模集群,适合企业和初创团队。安装简单,支持GPU,兼容tf.keras代码,避免框架锁定。

Project Cover

CLIP

CLIP通过对比学习训练神经网络,结合图像和文本,实现自然语言指令预测。其在ImageNet零样本测试中的表现与ResNet50相当,无需使用原始标注数据。安装便捷,支持多种API,适用于零样本预测和线性探针评估,推动计算机视觉领域发展。

Project Cover

allennlp

AllenNLP是一个基于PyTorch的Apache 2.0自然语言处理研究库,专注于开发先进的深度学习模型。该项目已进入维护模式,并将在2022年12月16日前继续修复问题和响应用户提问。推荐的替代项目包括AI2 Tango、allennlp-light、flair和torchmetrics,以帮助用户更好地管理实验和使用预训练模型。

Project Cover

pix2pix

使用条件对抗网络实现图像到图像翻译,支持从建筑立面生成到日夜转换等多种任务。该项目能在小数据集上快速产生良好结果,并提供改进版的PyTorch实现。支持多种数据集和模型,并附有详细的安装、训练和测试指南。

Project Cover

pytorch-CycleGAN-and-pix2pix

该项目提供了PyTorch框架下的CycleGAN和pix2pix图像翻译实现,支持配对和无配对的图像翻译。最新版本引入img2img-turbo和StableDiffusion-Turbo模型,提高了训练和推理效率。项目页面包含详细的安装指南、训练和测试步骤,以及常见问题解答。适用于Linux和macOS系统,兼容最新的PyTorch版本,并提供Docker和Colab支持,便于快速上手。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号