Awesome GitHub RepositoriesPyTorch-Based Frameworks

This library provides a comprehensive collection of modular building blocks and research-backed architectures for implementing vision transformers within the PyTorch framework. It serves as a centralized repository for constructing, training, and analyzing attention-based models, offering a wide array of specialized variants designed for image classification and visual representation learning. The project distinguishes itself through a focus on architectural efficiency and flexibility, supporting diverse input formats including non-square images and volumetric data like video. It incorporates

This project is a deep learning curriculum and a collection of PyTorch tutorials designed for deep learning education. It provides a structured set of technical documents and runnable notebooks that translate theoretical machine learning concepts into executable code. The repository includes implementation guides for various neural network architectures, specifically covering convolutional, recurrent, and transformer-based models. It provides practical examples for building computer vision pipelines for object detection and semantic segmentation, as well as natural language processing tools f

This PyTorch-based deep learning library provides a framework for analyzing and forecasting temporal data. It implements specialized architectures for time series forecasting, anomaly detection, data imputation, and classification. The project distinguishes itself through the inclusion of zero-shot inference capabilities, allowing large-scale temporal models to be evaluated on unseen datasets without requiring task-specific fine-tuning. The framework covers a broad range of analytical capabilities, including the recovery of missing values in incomplete datasets, the identification of irregul

AllenNLP is a PyTorch-based research library and deep learning language toolkit designed for developing and training neural network architectures for linguistic tasks. It provides a distributed training system that coordinates data and gradients across multiple GPUs and a framework for integrating pretrained transformer architectures. The system distinguishes itself with a dedicated algorithmic bias mitigation tool used to identify and reduce bias in linguistic model predictions. It also includes model influence analysis to interpret predictions by calculating the influence of specific traini

BigDL es un framework de aceleración de PyTorch y motor de inferencia distribuida diseñado para grandes modelos de lenguaje. Proporciona un kit de herramientas para ejecutar modelos en hardware Intel, integrando herramientas de cuantización y librerías para el ajuste fino eficiente en parámetros. El proyecto se distingue por el uso de paralelismo de pipeline para distribuir cargas de trabajo de modelos a través de múltiples aceleradores de hardware. Utiliza cuantización de enteros de bajo bit y decodificación especulativa para reducir la huella de memoria y disminuir la latencia de generación de texto. El sistema cubre amplias capacidades en optimización de modelos, incluyendo compresión de pesos y carga de modelos cuantizados. También admite rutinas de entrenamiento aceleradas por hardware para adaptar modelos preentrenados a tareas específicas.

DocTR is a deep learning OCR library built on PyTorch that detects and transcribes text in document images using a two-stage detection-recognition pipeline. It provides a complete framework for building and deploying OCR pipelines with pretrained models available through the Hugging Face Hub, and supports exporting trained models to ONNX format for cross-runtime deployment. The library offers end-to-end OCR pipelines that combine text detection and recognition to extract all text from document images or PDFs, with support for rotated page handling and varied text orientations. It includes cap

Este proyecto es una implementación en PyTorch de la arquitectura EfficientDet diseñada para detección de objetos en tiempo real. Proporciona una red neuronal y motor de inferencia capaz de identificar y localizar múltiples objetos dentro de imágenes o flujos de video. La implementación incluye modelos de visión artificial preentrenados con pesos optimizados, permitiendo la inferencia inmediata y el ajuste fino (fine-tuning) sin necesidad de entrenar desde cero. El proyecto cubre el pipeline completo para la optimización de modelos de visión artificial, incluyendo entrenamiento de detección de objetos personalizado y optimización de pesos de modelos. Incorpora componentes estructurales como fusión de características bidireccional, arquitecturas neuronales de escala compuesta y propuestas de región basadas en anclas para equilibrar la velocidad de inferencia y la precisión de detección.

SimSwap es un framework de aprendizaje profundo para el intercambio de rostros y un procesador de medios de visión artificial construido con PyTorch. Funciona como una herramienta de síntesis de imágenes diseñada para reemplazar la identidad de una persona en imágenes y videos con un rostro objetivo utilizando un único modelo entrenado. El sistema opera como una herramienta de reemplazo de identidad de video que intercambia identidades entre fotogramas mientras preserva las expresiones y la iluminación originales de los medios fuente. Permite la manipulación de identidad digital y la producción de medios sintéticos mediante el mapeo automatizado de características faciales. El framework admite tanto la aplicación de modelos entrenados para intercambiar rostros en medios como la capacidad de entrenar modelos personalizados de intercambio de rostros utilizando conjuntos de datos de imágenes específicos.

moco es una implementación en PyTorch de momentum contrast diseñada para el aprendizaje de representación visual auto-supervisado. Sirve como un framework basado en investigación para extraer características de imagen de alto nivel de datasets sin etiquetar, maximizando la similitud entre diferentes vistas de la misma imagen. El sistema utiliza una arquitectura de codificador asimétrico que consiste en un codificador online de aprendizaje rápido y un codificador de momentum de evolución lenta para estabilizar el entrenamiento. Emplea un enfoque basado en diccionario que compara imágenes de consulta contra una cola dinámica de muestras negativas para aprender características visuales distintivas sin etiquetado humano manual. El framework cubre el flujo de trabajo de aprendizaje contrastivo de extremo a extremo, incluyendo el aprendizaje de representación visual no supervisada y el análisis de imágenes sin etiquetar. Aprovecha operaciones de tensores aceleradas por GPU para cálculos de similitud de vectores de alta dimensión y entrenamiento de modelos.

Kaolin es una librería de aprendizaje profundo 3D para PyTorch que proporciona un conjunto integral de herramientas para el procesamiento de geometría 3D, simulación física, visualización de datos y renderizado basado en gradientes para visión artificial. La librería incluye un renderizador 3D diferenciable y un kit de herramientas de procesamiento de geometría para convertir y transformar representaciones 3D como mallas (meshes) y nubes de puntos. También cuenta con un motor de simulación física 3D para calcular interacciones físicas y colisiones entre objetos y escenas tridimensionales. El kit de herramientas proporciona utilidades para la visualización de datos 3D, incluyendo la creación de vistas interactivas y animaciones de rotación. Las capacidades adicionales cubren la gestión de datasets 3D, preprocesamiento de datos y renderizado de representaciones 3D.

Este proyecto es un framework de re-identificación de personas en PyTorch diseñado para entrenar y evaluar modelos que identifican individuos a través de diferentes vistas de cámara. Proporciona un pipeline completo de entrenamiento de modelos, un extractor de características de deep learning para convertir imágenes en vectores numéricos y una suite de herramientas de benchmarking de visión artificial para medir la precisión de recuperación de identidad. El framework incluye un toolkit de aprendizaje por transferencia (transfer learning) especializado que soporta congelación de capas, optimización de tasa de aprendizaje por etapas y tasas de aprendizaje diferenciales para el ajuste fino de modelos preentrenados. Se distingue por un motor extensible que permite el desarrollo de lógica de entrenamiento personalizada y la implementación de objetivos de optimización específicos como la minería de triplet loss de muestras difíciles y el suavizado de etiquetas (label smoothing). El sistema cubre la gestión integral de datasets, incluyendo soporte para benchmarks estándar, muestreo de lotes equilibrado y aumento de imágenes. Proporciona utilidades de evaluación para calcular rangos de recuperación y distancias de características, así como herramientas de visualización para generar mapas de calor de activación y galerías de recuperación clasificadas. El proyecto está implementado en Python y aprovecha PyTorch para sus operaciones de deep learning.

mmocr es un framework de reconocimiento óptico de caracteres basado en PyTorch diseñado para entrenar y desplegar modelos de detección de texto, reconocimiento y extracción de información clave. Sirve como una caja de herramientas integral para la detección y reconocimiento de texto en escenas, proporcionando bibliotecas especializadas para localizar regiones de texto y convertir texto visual en cadenas codificadas por máquina. El proyecto se distingue por un framework de investigación para la extracción de información clave y capacidades avanzadas de detección de texto. Estas incluyen la detección basada en puntos utilizando transformers y el uso de curvas de Bezier parametrizadas para identificar y transcribir texto con formas arbitrarias. El framework cubre una amplia superficie de capacidades de visión artificial, incluyendo la gestión de pipelines de datos para aumentar y estandarizar diversos conjuntos de datos OCR, entrenamiento de modelos con escalado distribuido y evaluación del rendimiento utilizando métricas OCR estándar. También proporciona utilidades para la manipulación de polígonos geométricos y visualización de resultados para auditar predicciones contra anotaciones de verdad fundamental. El sistema está implementado en Python y admite la instalación mediante empaquetado de entorno Docker.

Este proyecto es un framework de aprendizaje contrastivo auto-supervisado diseñado para entrenar modelos de aprendizaje profundo para aprender representaciones visuales a partir de imágenes sin utilizar etiquetas proporcionadas por humanos. Proporciona un sistema para desarrollar modelos de representación visual preentrenados que pueden adaptarse para tareas de visión artificial posteriores. El framework incluye herramientas para la clasificación de imágenes semi-supervisada, que combina grandes conjuntos de datos sin etiquetar con pequeños conjuntos etiquetados para mejorar la precisión. También cuenta con una herramienta de evaluación de sonda lineal (linear probe) para evaluar la calidad de las características de imagen aprendidas entrenando un clasificador lineal simple sobre representaciones congeladas. El código base cubre el entrenamiento de aprendizaje profundo distribuido y la aceleración por hardware para manejar grandes tamaños de lote, junto con primitivas de optimización como la programación de tasa de aprendizaje de decaimiento de coseno y regularización de decaimiento de peso. También proporciona utilidades para la gestión de modelos, incluyendo la conversión de checkpoints preentrenados entre diferentes formatos de frameworks de aprendizaje profundo y herramientas para el despliegue de modelos. La implementación se proporciona como una colección de Jupyter Notebooks.

CV-Backbones es una biblioteca de backbones de visión artificial y un model zoo que proporciona una colección de arquitecturas de redes neuronales predefinidas para extraer características visuales y procesar datos de imagen. Funciona como un framework de visión para PyTorch con componentes de deep learning reutilizables, diseñados para el análisis de imágenes y el aprendizaje de representaciones visuales. La biblioteca se enfoca en arquitecturas de redes neuronales eficientes para reducir la carga computacional manteniendo el rendimiento en la extracción de características. Esto se logra mediante la implementación de diseños de modelos ligeros como GhostNet y MLP. El proyecto cubre una amplia gama de arquitecturas de modelos, incluyendo redes neuronales convolucionales y transformers. Incluye un sistema modular para intercambiar implementaciones de backbones y un mecanismo para cargar pesos preentrenados que acelera la convergencia.

Tensor-Puzzles es una suite de ejercicios educativos y tutorial de computación numérica diseñado para dominar las operaciones de tensores y las reglas de broadcasting dentro de PyTorch. Funciona como un entrenador de implementación donde los usuarios practican la transición de fórmulas matemáticas a código reimplementando primitivas matemáticas de aprendizaje profundo. El proyecto utiliza una suite de ejercicios basada en restricciones que restringe las llamadas a librerías disponibles para forzar el uso de primitivas de tensores específicas. Estos desafíos están estructurados como rompecabezas secuenciales que requieren que los usuarios resuelvan tareas utilizando un patrón de implementación modular, donde las funciones complejas se dividen en operaciones dependientes más simples. La corrección se garantiza a través de un entorno de ejecución integrado en PyTorch que utiliza validación de implementación de referencia y comprobaciones de tolerancia numérica. El sistema verifica que las salidas definidas por el usuario coincidan con los resultados de referencia y se adhieran a las reglas estándar de broadcasting de arrays multidimensionales.

Imaginaire is a PyTorch image synthesis library and neural image translation framework designed to generate high-resolution synthetic visual content. It functions as a deep learning visual generator that maps semantic images and videos into photorealistic versions using both supervised and unsupervised methods. The project includes a specialized tool for rendering 3D environments, which converts block-based world representations into photorealistic scenes while maintaining long-term visual consistency. It further supports photorealistic video translation that utilizes reference images to ensu

Este proyecto es una implementación en PyTorch de redes residuales 3D diseñadas para el reconocimiento de acciones en video. Proporciona una arquitectura espaciotemporal que analiza tanto los fotogramas espaciales como el movimiento temporal para clasificar actividades humanas dentro de clips de video. El sistema incluye un framework de entrenamiento de modelos distribuido para acelerar el aprendizaje a través de múltiples nodos de cómputo. Admite el despliegue y ajuste fino de pesos de modelos preentrenados, permitiendo la adaptación de redes existentes a nuevos conjuntos de datos específicos. La base de código cubre el pipeline completo para el aprendizaje espaciotemporal, incluyendo herramientas de preprocesamiento de conjuntos de datos de video para convertir archivos sin procesar en secuencias de imágenes, capacidades de inferencia de acciones y métricas para calcular la precisión del reconocimiento.

This project is a PyTorch-based framework and toolkit for scene text recognition. It provides a deep learning pipeline for extracting characters and words from images of natural environments, covering the full process from training data preparation to model validation. The framework functions as a standardized benchmark for measuring the accuracy and inference speed of text recognition models. It includes tools for calculating recognition accuracy and measuring GPU processing time per image to evaluate model performance across consistent datasets. The system incorporates visual and sequentia

Instructor-embedding es un framework de procesamiento de lenguaje natural diseñado para transformar texto no estructurado en vectores numéricos de alta dimensión. Al utilizar una arquitectura de codificador basada en transformers, el sistema facilita la recuperación semántica, la clasificación de datos y el análisis de similitud en grandes datasets. El framework se distingue por la proyección vectorial condicionada por instrucciones, que incorpora instrucciones en lenguaje natural directamente en el proceso de embedding para mejorar el rendimiento en tareas específicas sin requerir entrenamiento adicional. Funciona como una librería de aprendizaje contrastivo, permitiendo a los usuarios ajustar modelos de lenguaje preentrenados en datasets personalizados para crear embeddings especializados para dominios de nicho. El proyecto proporciona un conjunto integral de herramientas para gestionar representaciones vectoriales, incluyendo capacidades para realizar benchmarks de precisión de modelos contra métricas estandarizadas e indexar embeddings para búsquedas de similitud rápidas. Para soportar el despliegue en entornos con recursos limitados, el framework incluye características de optimización como la cuantización de modelos de precisión mixta para reducir el uso de memoria y acelerar la velocidad de inferencia.

Graph Nets is a graph neural network library and educational toolkit implemented in PyTorch, providing implementations of popular graph representation learning algorithms and research papers. The project covers core graph machine learning tasks including semi-supervised node classification, inductive and unsupervised node embedding generation, and neighborhood feature aggregation. The library supports diverse algorithmic approaches for processing network structures, ranging from shared-parameter graph convolutions and attention-weighted neighborhood aggregation to spectral Chebyshev filtering