Awesome GitHub RepositoriesSimulation Gradient Computations

jetson-inference is a set of libraries and tools for executing optimized deep learning models on embedded GPU hardware. Its primary purpose is to enable real-time computer vision and AI inference at the edge with low latency and high throughput. The project distinguishes itself through high-performance streaming analytics and the ability to execute concurrent AI pipelines on auto-grade silicon. It provides specialized support for multi-sensor stream processing, utilizing zero-copy data transport to load camera frames directly into GPU memory. The codebase covers a broad surface of capabiliti

torchdiffeq ist eine PyTorch-ODE-Solver-Bibliothek für die Lösung von Anfangswertproblemen und den Aufbau von Neural-ODE-Frameworks. Sie bietet einen differenzierbaren ODE-Integrator, der es Deep-Learning-Modellen ermöglicht, kontinuierliche Tiefe durch die Integration von Dynamikfunktionen über die Zeit zu simulieren. Die Bibliothek verfügt über einen Adjoint-Methoden-Gradientenrechner für speichereffiziente Backpropagation. Durch das Lösen eines erweiterten Adjoint-Systems rückwärts in der Zeit berechnet sie Parametergradienten, ohne jeden Zwischenzustand des Solvers speichern zu müssen. Das Projekt deckt numerische Integration mit adaptiven und festen Schrittweiten-Solvern ab, inklusive Fehlerkontrolle und polynomialer Zustandsinterpolation. Es unterstützt zudem differenzierbares Event-Management, um Solver zu beenden, wenn bestimmte Skalarfunktionen auslösen, und Gradienten durch die Event-Zeit zu propagieren. Das Framework wird für Anwendungen wie Continuous Normalizing Flows und die Transformation von Wahrscheinlichkeitsverteilungen durch gelernte, zeitkontinuierliche gewöhnliche Differentialgleichungen eingesetzt.