PyTorch资源
探索与 PyTorch 相关的精选开源项目、速读教程和最新工作机会
相关开源项目
optimalscale/lmflow
可扩展的工具包，用于大模型微调与推理。支持多种优化器和高效训练，适用于社区所有用户。
netease-youdao/emotivoice
EmotiVoice 是一款强大的开源 TTS 引擎，支持中英双语及 2000 多种音色。核心功能是情感合成，可生成快乐、悲伤、愤怒等多种情绪的语音。提供易用的 Web 界面和脚本接口，支持批量生成。
morvanzhou/pytorch-tutorial
基于 PyTorch 的神经网络教程，涵盖从基础到高级架构，包括 CNN、RNN、GAN 等，并提供中文视频与文本教学。
aladdinpersson/machine-learning-collection
机器学习与深度学习资源库，包含 Python 实现的算法教程与项目。提供 PyTorch 和 TensorFlow 的详细指南，涵盖从基础到高级主题，如神经网络、目标检测和生成对抗网络。代码清晰，配有 YouTube 视频讲解，适合学习与问题解决。
snakers4/silero-vad
企业级预训练语音活动检测器，基于 PyTorch，支持 8k/16k 采样率，模型轻量（约 2MB），处理速度快（单线程 <1ms），准确率高，支持 ONNX 加速，适用于多种语言和噪声环境。
lukemelas/efficientnet-pytorch
PyTorch 高效网络实现，支持 B0-B8 预训练模型。提供 pip 安装和快速加载，包含 EfficientNetV2 支持。优化内存效率，支持特征提取和 ONNX 导出。
utkuozbulak/pytorch-cnn-visualizations
基于 PyTorch 的卷积神经网络可视化工具库，实现多种可视化技术，如梯度反向传播、类激活映射、深度梦境等。代码使用 PIL 替代 OpenCV，兼容旧版 PyTorch 0.4.1，提供详细注释和示例。
xpixelgroup/basicsr
开源图像与视频复原工具箱，支持超分辨率、去噪、去模糊等。包含 EDSR、RCAN、SRGAN、ESRGAN、EDVR、BasicVSR、SwinIR 等多种先进模型。
jackzhenguo/python-small-examples
告别枯燥，打造 Python 实用小例子。涵盖基本操作、函数模块用法，标签化分类，难度分级，适合快速学习与实践。
openai/jukebox
基于 Python 的音乐生成模型，提供采样与训练代码。支持从零生成或续写音乐，可处理歌词与旋律，需 GPU 环境运行。
bitsandbytes-foundation/bitsandbytes
通过 k-bit 量化技术，为 PyTorch 提供可访问的大语言模型。包含 8-bit 优化器、LLM.int8() 推理和 QLoRA 4-bit 训练，显著降低内存消耗，同时保持 32-bit 性能。
lanpa/tensorboardx
为 PyTorch 等框架提供 TensorBoard 可视化支持。支持标量、图像、直方图、音频、文本、图、嵌入等多种数据类型。通过简单函数调用记录事件，兼容多种后端。
jessevig/bertviz
交互式可视化工具，用于展示 Transformer 模型中的注意力机制。支持 Hugging Face 模型，可在 Jupyter 或 Colab 中运行，提供头部、模型和神经元三种视图。
project-monai/monai
基于 PyTorch 的医疗影像 AI 工具包，提供灵活的数据预处理、可组合 API 及领域特定实现，支持多 GPU 多节点并行训练。
jwyang/faster-rcnn.pytorch
纯 PyTorch 实现的 Faster R-CNN，支持多 GPU 训练、多图像批次及 ROI Pooling/Align/Crop 三种池化方法，内存高效且训练速度快。
jaywalnut310/vits
基于条件变分自编码器与对抗学习的端到端文本到语音合成系统，支持单阶段训练与并行采样。引入归一化流与随机时长预测器，实现自然的多对一映射，生成具有多样韵律的语音。在 LJ Speech 数据集上 MOS 评分接近真实语音。
nadermx/backgroundremover
基于 AI 的命令行工具，免费开源，可快速移除图像和视频背景。支持 GPU 加速，提供 Docker 安装选项。
xavierxiao/dreambooth-stable-diffusion
基于 Stable Diffusion 实现 Dreambooth 微调，支持使用少量示例图像对文本到图像模型进行个性化训练。代码基于 Textual Inversion，但优化整个扩散模型而非仅词嵌入。提供训练脚本与配置，需准备正则化图像以提升编辑性。
stanfordnlp/stanza
斯坦福大学官方 NLP Python 库，支持 60+ 种语言的分词、句子分割、NER 和解析。提供生物医学和临床模型，可无缝处理文献与临床文本。
funaudiollm/sensevoice
多语言语音理解模型，支持高精度 ASR、LID、SER 及 AED。基于 40 万小时数据训练，覆盖 50+ 语言，推理高效，支持微调与服务部署。
antixk/pytorch-vae
基于 PyTorch 的变分自编码器 (VAE) 集合，专注于可复现性。提供多种 VAE 模型（如 VAE、Conditional VAE、WAE、Beta-VAE 等）的实现，均在 CelebA 数据集上训练。支持 PyTorch Lightning，提供配置文件和 TensorBoard 日志。
lmcache/lmcache
高性能LLM KV缓存层，通过零CPU拷贝、NIXL等技术加速，支持跨数据中心复用缓存，显著降低首token延迟并提升吞吐量，适用于长上下文场景。
wiseodd/generative-models
包含 GAN、VAE、RBM 和 Helmholtz Machine 的生成模型集合，使用 PyTorch 和 TensorFlow 实现。训练期间生成的样本将保存在对应模型的 out 目录。
1adrianb/face-alignment
基于 PyTorch 的 2D/3D 人脸对齐库，使用 FAN 深度学习模型。支持多种人脸检测器（SFD、dlib、BlazeFace），可处理图片或目录，兼容 CPU/GPU 运行。
open-mmlab/mmpose
OpenMMLab 姿态估计工具箱与基准。支持 2D/3D 人体、手部、面部、全身、动物等多种姿态估计任务。基于 PyTorch，提供丰富模型库与高效训练推理。
open-mmlab/mmagic
OpenMMLab 多模态高级、生成式与智能创作工具箱。提供易用 API、丰富模型库与扩散模型，支持文生图、图像/视频修复与增强等 AIGC 任务。
abdbarho/stable-diffusion-webui-docker
通过 Docker 轻松部署 Stable Diffusion，提供 AUTOMATIC1111 和 ComfyUI 等多种用户友好的 Web 界面，支持文生图、图生图等功能。
eutropicai/final2x
跨平台图像超分辨率工具，支持自定义模型。基于 TypeScript 开发，提供 Windows、macOS 和 Linux 版本，使用 cccv 后端，支持 NVIDIA 50 系列 GPU。
probml/pyprobml
提供 Kevin Murphy 所著《概率机器学习》书籍的 Python 代码，用于复现书中图表。代码基于 Jupyter Notebook，使用 numpy、scipy、matplotlib 等标准库，并包含 JAX、TensorFlow 2 和 PyTorch 的部分实现。
opennmt/opennmt-py
基于 PyTorch 的开源神经机器翻译与大语言模型框架。支持 NMT、LLM、编码器及模型微调，提供 8/4 位量化与 LoRA 适配器。已推出新项目 Eole 作为替代。