探索 PyTorch 项目
筛选并发现收录的、配有高质量中文文档或教程的 GitHub 项目。
基于 Python 的图像去重工具，支持精确和近似重复检测。提供多种哈希算法（如 PHash、DHash）和 CNN 模型，可生成图像编码、评估去重效果并可视化结果。兼容 Python 3.9+，跨平台运行。
Udacity 深度学习纳米学位项目代码库，包含 PyTorch 教程与项目。涵盖神经网络、卷积网络、循环网络及 GAN 等主题，提供 Jupyter Notebook 实现，用于学习与实践。
基于 LiDAR 的 3D 目标检测开源工具箱，支持 PointRCNN、PV-RCNN、Voxel R-CNN 等多种先进模型，提供完整的训练与推理框架。
基于 PyTorch 的开源深度学习训练库，优化大规模模型训练。支持 FSDP、弹性检查点等特性，简化分布式训练流程，适用于 LLM、扩散模型等。
官方 PyTorch 实现，支持多域图像到图像转换的统一生成对抗网络。基于 CelebA 和 RaFD 数据集训练，可灵活转换人脸属性与表情。
基于 PyTorch 的 EfficientDet 高效目标检测器复现，提供 SOTA 实时性能与预训练权重。支持自定义数据集训练，提供详细教程与性能基准。
端到端框架，用于构建自定义 AI 应用和智能体。支持多种数据库后端，如 MongoDB、SQL、Snowflake 和 Redis。基于 Python，提供插件化架构，便于集成现有工具。
一个统一的 AI 平台，从管道到智能体。支持任何 Python 逻辑，自动容器化、追踪运行、抽象基础设施复杂性，并集成 MLflow、Langgraph 等工具，助力快速迭代实验。
基于 PyTorch 的 SSD 目标检测器实现，支持 VOC 和 COCO 数据集训练与评估，提供预训练模型和实时可视化工具。
基于全卷积网络的实时实例分割模型，支持 YOLACT 和 YOLACT++ 两种版本。提供训练、评估及实时演示代码，兼容 PyTorch 1.0.1+，需编译 DCNv2 以启用 YOLACT++。
一站式 AI 量化交易平台，覆盖学习、模拟到实盘。集成股票知识、策略实例、大模型、因子挖掘、机器学习、深度学习、强化学习、图网络、高频交易及 C++ 部署等，支持多市场交易与辅助操盘工具。
提供《Deep Learning with PyTorch》书籍的配套代码，使用 Jupyter Notebook 实现，涵盖深度学习基础与 PyTorch 实践。
将 TensorFlow、PyTorch 等机器学习模型转换为 Core ML 格式，支持模型读写与优化验证，便于在 Apple 设备上部署。
基于 PyTorch Lightning 与 Hydra 的模板，提供极简样板代码，支持多 GPU、TPU 和 SLURM 集群，内置实验追踪、超参搜索与 CI/CD 流程。
基于 Kubernetes 的标准化分布式生成式与预测式 AI 推理平台，支持多框架部署。提供 LLM 优化、GPU 加速、模型缓存、KV 缓存卸载、自动扩缩容等生成式 AI 功能，以及多框架支持、智能路由、高级部署、模型可解释性、高级监控等预测式 AI 功能。
Udacity 深度强化学习 Nanodegree 课程配套仓库。包含 PyTorch 实现的多种强化学习算法教程，如 DQN、DDPG、PPO 等，以及基于 Unity ML-Agents 的导航、连续控制等实战项目。
基于 PyTorch 的高效人脸交换框架，支持图像和视频的任意人脸替换，仅需单个训练模型即可实现高保真效果。提供训练与测试代码，支持高分辨率版本 SimSwap-HQ。
基于 PyTorch 的人脸识别库，提供预训练的 MTCNN 人脸检测和 InceptionResnet 识别模型。支持快速部署与微调，包含完整检测识别流程示例。
高性能 GPU 内核库，服务于大语言模型推理。提供统一 API，支持注意力、GEMM、MoE 等操作，具备多种后端实现。优化预填充、解码与混合批处理场景，支持 FP8/FP4 低精度计算与现代 GPU 架构。
基于 PyTorch 的 MIT ADE20K 数据集语义分割/场景解析实现。支持 PSPNet、UPerNet、HRNet 等 SOTA 模型，提供预训练模型与 Colab 演示。特色包括同步批归一化、多 GPU 动态输入尺度及高效训练。
基于 PyTorch 的 3D 深度学习加速库，提供模块化可微渲染、快速表示转换、数据加载、3D 检查点、可微相机与光照 API、结构化点云加速及 Jupyter 交互式可视化等 GPU 优化操作。
提供《Machine Learning with PyTorch and Scikit-Learn》书籍的配套代码库，包含 19 个章节的 Jupyter Notebook 实例，涵盖从基础分类到 Transformer、GAN 和图神经网络等高级主题。
基于 GPTQ 算法的易用 LLM 量化包，提供用户友好的 API。支持 int4 量化，提升推理速度并降低显存占用。已集成至 Transformers 等框架。