Awesome GitHub RepositoriesData and Graph Processing

DGL is a Python library for building and training graph neural networks. It functions as a graph message passing framework and a geometric deep learning tool, enabling the development of models that analyze graph-structured data. The library is designed for large-scale graph processing, utilizing distributed training and neighbor sampling to handle datasets with billions of edges. It provides specialized support for heterogeneous graph modeling, allowing for the representation of complex real-world entities with multiple node and edge types. Its capabilities cover a wide range of graph tasks

torchdiffeq هي مكتبة لحل المعادلات التفاضلية العادية (ODE) مبنية على PyTorch، مصممة لحل مسائل القيم الأولية وبناء أطر عمل للشبكات العصبية القائمة على المعادلات التفاضلية (Neural ODEs). توفر المكتبة مُكاملاً تفاضلياً للمعادلات التفاضلية يسمح لنماذج التعلم العميق بمحاكاة العمق المستمر عبر دمج دوال الديناميكيات بمرور الوقت. تتميز المكتبة بحاسبة تدرج تعتمد على طريقة adjoint لضمان انتشار عكسي (backpropagation) فعال في استهلاك الذاكرة. ومن خلال حل نظام adjoint المعزز عكسياً في الزمن، تقوم المكتبة بحساب تدرجات المعاملات دون الحاجة لتخزين كل حالة وسيطة للمُحلل. يغطي المشروع التكامل العددي باستخدام مُحللات ذات خطوات ثابتة ومتكيفة، مع دمج التحكم في الخطأ واستيفاء الحالة متعدد الحدود. كما يدعم إدارة الأحداث القابلة للتفاضل لإنهاء عمل المُحللات عند تفعيل دوال قياسية معينة ونشر التدرجات عبر زمن الحدث. يُستخدم إطار العمل في تطبيقات مثل التدفقات الطبيعية المستمرة (continuous normalizing flows) وتحويل توزيعات الاحتمالات من خلال معادلات تفاضلية عادية متعلمة تعتمد على الزمن المستمر.

Kaolin هي مكتبة تعلم عميق ثلاثية الأبعاد لـ PyTorch توفر مجموعة شاملة من الأدوات لمعالجة الهندسة ثلاثية الأبعاد، ومحاكاة الفيزياء، وتصور البيانات، والعرض القائم على التدرج لرؤية الكمبيوتر. تتضمن المكتبة عارضاً ثلاثي الأبعاد قابلاً للتمايز ومجموعة أدوات معالجة هندسية لتحويل وتحويل التمثيلات ثلاثية الأبعاد مثل الشبكات (meshes) والسحب النقطية (point clouds). كما تتميز بمحرك محاكاة فيزياء ثلاثي الأبعاد لحساب التفاعلات الفيزيائية والاصطدامات بين الكائنات والمشاهد ثلاثية الأبعاد. توفر مجموعة الأدوات أدوات مساعدة لتصور البيانات ثلاثية الأبعاد، بما في ذلك إنشاء طرق عرض تفاعلية ورسوم متحركة دوارة. تغطي الإمكانيات الإضافية إدارة مجموعات البيانات ثلاثية الأبعاد، ومعالجة البيانات مسبقاً، وعرض التمثيل ثلاثي الأبعاد.

GPyTorch هو إطار عمل احتمالي مسرع بواسطة GPU ومكتبة PyTorch لتنفيذ نماذج العمليات الغاوسية القابلة للتوسع. يوفر نظاماً لنمذجة العمليات الغاوسية وتقدير عدم اليقين، مصمماً لإجراء عمليات مصفوفة فعالة على أجهزة الرسومات. يتميز إطار العمل بنظام نواة نمطي لبناء وظائف التغاير المخصصة ونمذجة تبعيات البيانات المعقدة. يدمج بشكل خاص العمليات الغاوسية مع الشبكات العصبية العميقة لإنشاء نماذج هجينة للانحدار والتصنيف. يستخدم النظام تقنيات الجبر الخطي العددي، بما في ذلك التدرجات المترافقة المشروطة مسبقاً والعمليات القائمة على الموترات، للتعامل مع مجموعات البيانات الكبيرة. كما يدعم الاستدلال التبايني للصندوق الأسود والتمايز التلقائي لتحسين المعلمات الفائقة.

Enabling PyTorch on XLA Devices (e.g. Google TPU)

CVXPYlayers is a Python library for constructing differentiable convex optimization layers in PyTorch, JAX, and MLX using CVXPY. A convex optimization layer solves a parametrized convex optimization problem in the forward pass to produce a solution. It computes the derivative of the solution…

A CV toolkit for my papers.

Quantized Neural Network PACKage - mobile-optimized implementation of quantized neural network operators

Model analyzer in PyTorch

Differentiable rendering without approximation.

Riemannian Adaptive Optimization Methods with pytorch optim

A multi-model machine learning feature embedding database

TorchANI 2.0 is an open-source library that supports training, development, and research of ANI-style neural network interatomic potentials. It was originally developed and is currently maintained by the Roitberg group.

Training RNNs as Fast as CNNs (https://arxiv.org/abs/1709.02755)