标签：PyTorch

不是工具，是一门把建模到 FastAPI/Docker/K8s 上线串起来的免费课程仓库

从公开文献重建的循环深度 Transformer 参考实现，用来做架构实验，不是能直接跑的模型

线性时间、常数空间推理的 RNN 大模型，训练时按 Transformer 并行化，用来替掉需要 KV cache 的 Transformer 推理栈

Distributed training framework for TensorFlow, Keras, PyTorch, and Apache MXNet.

一行加载预训练模型做 NER 和序列标注的 PyTorch 封装层，顶替你自己写的那套推理脚本

加载 CLIP 系预训练图文权重做零样本分类和特征提取的参考实现，替代自己复现 CLIP 训练与权重管理

点云与网格处理的基础设施层，替代自己拿 PCL 或手写 KD-tree、ICP、泊松重建

把 PyTorch 模型和库代码转译成 TensorFlow/JAX/NumPy 源码，用于跨框架迁移

PyTorch 强化学习算法的参考实现，用来当基线而不是当生产训练框架

PyTorch 视觉模型的可解释性工具包，用 CAM 热力图替换掉自己手写 hook 抓激活的那套脚本

一个 PyTorch 资源索引仓库，用来替代你自己在收藏夹里堆链接的做法

在 PyTorch 计算图里直接做几何视觉和图像变换，替代 OpenCV 那套不可微、只能跑 CPU 的算子

4.7M 三模型串联的纯 CPU 中文 OCR，用来顶替 PaddleOCR/Tesseract 在边缘和嵌入式上跑检测+识别

把 vLLM 这类引擎的 KV 缓存抽成独立进程，跨实例复用 prefill 结果，专治长上下文首 token 慢

把 NeRF 从论文复现变成可改代码的工程框架，替代散落的官方实现仓库

把论文里的注意力、重参数、MLP 模块抄成能直接 import 的 PyTorch 层，省掉自己对着公式重写一遍

PyTorch 语音任务的全流程工具箱，用一套 YAML 配方覆盖从微调到推理

在 PyTorch 里用两行代码搭出带预训练骨干的语义分割网络，省掉自己拼 encoder-decoder 的活

用 YAML 声明式地定义训练与微调流程，替代手写 PyTorch 训练循环和 Trainer 样板代码

按模型分目录的 Transformers 实战 notebook 集，顶替你自己摸索 API 拼装示例的那一步

把训练脚本里的 print 和本地 CSV 换成可查询的 run 记录，代价是数据默认离开你的机器

自托管实时语音转写服务，顶替 Deepgram/OpenAI 的流式 ASR 接口，把说话人分离和翻译留在本地

纯 PyTorch 的模块化 RL 库，用 Algorithm/Policy 分离替代 Stable-Baselines3 那类封装式训练器

Large Language Model Text Generation Inference

表格和时间序列任务上自动搜模型并堆集成，替掉手写调参和模型选型那一层

把说话人日志拆成可组合的神经模块，直接顶替 Kaldi 那套 diarization 流水线

无锚框 YOLO 检测器，用一套训练代码同时覆盖科研复现和 TensorRT/ncnn 边缘部署

单文件 DRL 算法参考实现，用来读源码和跑基线，不是拿来当依赖库的

在 PyTorch 里训练和导出 YOLOv3 系列模型的参考实现，顶替 Darknet 原始仓库那条工具链

在音频流水线最前面切掉静音段的轻量 VAD，替掉 WebRTC VAD 那套老实现

一份 YAML 加层流式，让 4 GB 笔记本显卡也能跑 8B 模型的 LoRA 微调

遥感深度学习任务的选型索引，替代在 arXiv 和 GitHub 之间反复搜索

中文 NLP 下游任务里直接顶替 google-bert/chinese_L-12_H-768_A-12 的预训练权重，换模型不换代码

在数据方服务器上跑分析任务、只回传获批结果的联邦计算框架，替代把原始数据拷来拷去的流程

一套 recipe 打通语音识别、合成、翻译的 PyTorch 工具箱，顶替 Kaldi 加一堆零散脚本的组合

SANA & Sol: Efficient Generative Models and Full-Stack Training & Inference Engines for Image, Video, and World Modeling

A collection of tutorials on state-of-the-art computer vision models and techniques. Explore everything from foundational architectures like ResNet to cutting-edge models like RF-DETR, YOLO11, SAM 3, and Qwen3-VL.

Open-source SenseVoiceSmall model for Mandarin, Cantonese, English, Japanese, and Korean ASR, language ID, emotion recognition, and audio event detection.

Swap GPT for any LLM by changing a single line of code. Xinference lets you run open-source, speech, and multimodal models on cloud, on-prem, or your laptop — all through one unified, production-ready inference API.

Flexible and powerful tensor operations for readable and reliable code (for pytorch, jax, TF and others)

Containers for machine learning

ChatRWKV is like ChatGPT but powered by RWKV (100% RNN) language model, and open source.

Easily fine-tune (SFT/RL), evaluate, and deploy Qwen, Gemma, or any open agentic LLM/VLM!

so-vits-svc fork with realtime support, improved interface and more features.

Deeplake is AI Data Runtime for Agents. It provides serverless postgres with a multimodal datalake, enabling scalable retrieval and training.

Deep universal probabilistic programming with Python and PyTorch

Lab Materials for MIT 6.S191: Introduction to Deep Learning

Accelerate local LLM inference and finetuning (LLaMA, Mistral, ChatGLM, Qwen, DeepSeek, Mixtral, Gemma, Phi, MiniCPM, Qwen-VL, MiniCPM-V, etc.) on Intel XPU (e.g., local PC with iGPU and NPU, discrete GPU such as Arc, Flex and Max); seamlessly integrate with llama.cpp, Ollama, HuggingFace, LangChain, LlamaIndex, vLLM, DeepSpeed, Axolotl, etc.

AI Toolkit for Healthcare Imaging

EmotiVoice 😊: a Multi-Voice and Prompt-Controlled TTS Engine