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 est un framework d'accélération PyTorch et un moteur d'inférence distribué conçu pour les grands modèles de langage. Il fournit une boîte à outils pour exécuter des modèles sur du matériel Intel, intégrant des outils de quantification et des bibliothèques pour le fine-tuning efficace en paramètres. Le projet se distingue par l'utilisation du parallélisme de pipeline pour distribuer les charges de travail des modèles sur plusieurs accélérateurs matériels. Il utilise la quantification entière à faible bit et le décodage spéculatif pour réduire l'empreinte mémoire et diminuer la latence de génération de texte. Le système couvre de larges capacités en optimisation de modèles, incluant la compression de poids et le chargement de modèles quantifiés. Il prend également en charge des routines d'entraînement accélérées par le matériel pour adapter les modèles pré-entraînés à des tâches spécifiques.

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

Ce projet est une implémentation PyTorch de l'architecture EfficientDet conçue pour la détection d'objets en temps réel. Il fournit un réseau neuronal et un moteur d'inférence capable d'identifier et de localiser plusieurs objets au sein d'images ou de flux vidéo. L'implémentation inclut des modèles de vision par ordinateur pré-entraînés avec des poids optimisés, permettant une inférence immédiate et un fine-tuning sans avoir besoin d'entraîner à partir de zéro. Le projet couvre le pipeline complet pour l'optimisation des modèles de vision par ordinateur, incluant l'entraînement à la détection d'objets personnalisés et l'optimisation des poids des modèles. Il incorpore des composants structurels tels que la fusion de caractéristiques bidirectionnelle, des architectures neuronales à échelle composée et des propositions de régions basées sur des ancres pour équilibrer la vitesse d'inférence et la précision de détection.

SimSwap est un framework d'échange de visages par apprentissage profond et un processeur de médias de vision par ordinateur construit avec PyTorch. Il fonctionne comme un outil de synthèse d'image conçu pour remplacer l'identité d'une personne dans des images et des vidéos par un visage cible en utilisant un seul modèle entraîné. Le système fonctionne comme un outil de remplacement d'identité vidéo qui échange les identités à travers les images tout en préservant les expressions et l'éclairage originaux des médias sources. Il permet la manipulation de l'identité numérique et la production de médias synthétiques par le mappage automatisé des caractéristiques faciales. Le framework prend en charge à la fois l'application de modèles entraînés pour échanger des visages dans les médias et la capacité d'entraîner des modèles d'échange de visages personnalisés en utilisant des jeux de données d'images spécifiques.

moco est une implémentation PyTorch de momentum contrast conçue pour l'apprentissage de représentation visuelle auto-supervisé. Il sert de framework basé sur la recherche pour extraire des caractéristiques d'image de haut niveau à partir de jeux de données non étiquetés en maximisant la similarité entre différentes vues de la même image. Le système utilise une architecture d'encodeur asymétrique composée d'un encodeur en ligne à apprentissage rapide et d'un encodeur à momentum à évolution lente pour stabiliser l'entraînement. Il emploie une approche basée sur un dictionnaire qui compare les images de requête à une file d'attente dynamique d'échantillons négatifs pour apprendre des caractéristiques visuelles distinctives sans étiquetage humain manuel. Le framework couvre le flux de travail d'apprentissage contrastif de bout en bout, incluant l'apprentissage de représentation visuelle non supervisé et l'analyse d'images non étiquetées. Il exploite des opérations de tenseurs accélérées par GPU pour les calculs de similarité vectorielle de haute dimension et l'entraînement de modèles.

Kaolin est une bibliothèque de deep learning 3D PyTorch fournissant une suite complète d'outils pour le traitement de géométrie 3D, la simulation physique, la visualisation de données et le rendu basé sur le gradient pour la vision par ordinateur. La bibliothèque inclut un moteur de rendu 3D différentiable et une boîte à outils de traitement de géométrie pour convertir et transformer des représentations 3D telles que des maillages (meshes) et des nuages de points. Elle dispose également d'un moteur de simulation physique 3D pour calculer les interactions physiques et les collisions entre des objets et des scènes tridimensionnels. La boîte à outils fournit des utilitaires pour la visualisation de données 3D, incluant la création de vues interactives et d'animations de type plateau tournant. Les capacités supplémentaires couvrent la gestion des jeux de données 3D, le prétraitement des données et le rendu de représentations 3D.

Ce projet est un framework de ré-identification de personnes PyTorch conçu pour entraîner et évaluer des modèles qui identifient des individus à travers différentes vues de caméra. Il fournit un pipeline complet d'entraînement de modèle, un extracteur de caractéristiques de deep learning pour convertir des images en vecteurs numériques, et une suite d'outils de benchmarking de vision par ordinateur pour mesurer la précision de récupération d'identité. Le framework inclut une boîte à outils de transfert learning spécialisée qui prend en charge le gel de couches, l'optimisation du taux d'apprentissage par étapes et des taux d'apprentissage différentiels pour le fine-tuning de modèles pré-entraînés. Il se distingue par un moteur extensible qui permet le développement d'une logique d'entraînement personnalisée et l'implémentation d'objectifs d'optimisation spécifiques comme le hard-sample triplet loss mining et le label smoothing. Le système couvre une gestion complète des jeux de données, incluant le support des benchmarks standard, l'échantillonnage équilibré par lots et l'augmentation d'images. Il fournit des utilitaires d'évaluation pour calculer les rangs de récupération et les distances de caractéristiques, ainsi que des outils de visualisation pour générer des cartes de chaleur d'activation et des galeries de récupération classées. Le projet est implémenté en Python et exploite PyTorch pour ses opérations de deep learning.

mmocr est un framework de reconnaissance optique de caractères (OCR) basé sur PyTorch conçu pour entraîner et déployer des modèles de détection de texte, de reconnaissance et d'extraction d'informations clés. Il sert de boîte à outils complète pour la détection et la reconnaissance de texte dans les scènes, fournissant des bibliothèques spécialisées pour localiser les régions de texte et convertir le texte visuel en chaînes encodées par machine. Le projet se distingue par un framework de recherche pour l'extraction d'informations clés et des capacités avancées de repérage de texte. Celles-ci incluent le repérage basé sur des points utilisant des transformers et l'utilisation de courbes de Bezier paramétrées pour identifier et transcrire du texte de forme arbitraire. Le framework couvre une large surface de capacités de vision par ordinateur, notamment la gestion de pipeline de données pour augmenter et standardiser divers jeux de données OCR, l'entraînement de modèles avec mise à l'échelle distribuée et l'évaluation des performances utilisant des métriques OCR standard. Il fournit également des utilitaires pour la manipulation de polygones géométriques et la visualisation des résultats pour auditer les prédictions par rapport aux annotations de vérité terrain. Le système est implémenté en Python et prend en charge l'installation via l'empaquetage d'environnement Docker.

Ce projet est un framework d'apprentissage contrastif auto-supervisé conçu pour entraîner des modèles d'apprentissage profond à apprendre des représentations visuelles à partir d'images sans utiliser d'étiquettes fournies par l'homme. Il fournit un système pour développer des modèles de représentation visuelle pré-entraînés qui peuvent être adaptés pour des tâches de vision par ordinateur en aval. Le framework inclut des outils pour la classification d'images semi-supervisée, qui combine de grands ensembles de données non étiquetés avec de petits ensembles étiquetés pour améliorer la précision. Il dispose également d'un outil d'évaluation par sonde linéaire pour évaluer la qualité des caractéristiques d'image apprises en entraînant un classificateur linéaire simple sur des représentations gelées. La base de code couvre l'entraînement par apprentissage profond distribué et l'accélération matérielle pour gérer de grandes tailles de batch, ainsi que des primitives d'optimisation telles que la planification du taux d'apprentissage par décroissance cosinus et la régularisation par décroissance de poids. Elle fournit également des utilitaires pour la gestion des modèles, y compris la conversion de checkpoints pré-entraînés entre différents formats de framework d'apprentissage profond et des outils pour le déploiement de modèles. L'implémentation est fournie sous forme de collection de Jupyter Notebooks.

CV-Backbones est une bibliothèque de backbones pour la vision par ordinateur et un zoo de modèles fournissant une collection d'architectures de réseaux neuronaux prédéfinies pour l'extraction de caractéristiques visuelles et le traitement de données d'image. Il sert de framework de vision PyTorch composé de composants de deep learning réutilisables, conçus pour l'analyse d'images et l'apprentissage de représentations visuelles. La bibliothèque se concentre sur des architectures de réseaux neuronaux efficaces pour réduire la charge de calcul tout en maintenant les performances d'extraction de caractéristiques. Ceci est réalisé via l'implémentation de designs de modèles légers tels que GhostNet et MLP. Le projet couvre un large éventail d'architectures de modèles, incluant des réseaux neuronaux convolutifs et des transformers. Il inclut un système modulaire pour échanger les implémentations de backbones et un mécanisme de chargement de poids pré-entraînés pour accélérer la convergence.

Tensor-Puzzles est une suite d'exercices éducatifs et un tutoriel de calcul numérique conçu pour maîtriser les opérations sur les tenseurs et les règles de broadcasting au sein de PyTorch. Il fonctionne comme un formateur d'implémentation où les utilisateurs s'entraînent à traduire des formules mathématiques en code en réimplémentant des primitives mathématiques d'apprentissage profond. Le projet utilise une suite d'exercices basée sur des contraintes qui restreint les appels de bibliothèque disponibles pour forcer l'utilisation de primitives de tenseur spécifiques. Ces défis sont structurés comme des puzzles séquentiels qui exigent des utilisateurs de résoudre des tâches en utilisant un modèle d'implémentation modulaire, où les fonctions complexes sont décomposées en opérations dépendantes plus simples. L'exactitude est assurée par un environnement d'exécution intégré à PyTorch qui utilise une validation par implémentation de référence et des vérifications de tolérance numérique. Le système vérifie que les sorties définies par l'utilisateur correspondent aux résultats de référence et adhèrent aux règles standard de broadcasting de tableaux multidimensionnels.

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

Ce projet est une implémentation PyTorch de réseaux résiduels 3D conçus pour la reconnaissance d'actions vidéo. Il fournit une architecture spatiotemporelle qui analyse à la fois les images spatiales et le mouvement temporel pour classer les activités humaines dans les clips vidéo. Le système inclut un framework d'entraînement de modèle distribué pour accélérer l'apprentissage sur plusieurs nœuds de calcul. Il prend en charge le déploiement et le fine-tuning de poids de modèles pré-entraînés, permettant l'adaptation de réseaux existants à de nouveaux ensembles de données spécifiques. La base de code couvre le pipeline complet pour l'apprentissage spatiotemporel, incluant des outils de prétraitement d'ensembles de données vidéo pour convertir les fichiers bruts en séquences d'images, des capacités d'inférence d'action et des métriques pour calculer la précision de la reconnaissance.

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 est un framework de traitement du langage naturel (NLP) conçu pour transformer du texte non structuré en vecteurs numériques de haute dimension. En utilisant une architecture d'encodeur basée sur des transformers, le système facilite la récupération sémantique, la classification de données et l'analyse de similarité sur de grands ensembles de données. Le framework se distingue par une projection vectorielle conditionnée par des instructions, qui intègre des instructions en langage naturel directement dans le processus d'embedding pour améliorer les performances sur des tâches spécifiques sans nécessiter d'entraînement supplémentaire. Il fonctionne comme une bibliothèque d'apprentissage contrastif, permettant aux utilisateurs d'affiner (fine-tune) des modèles de langage pré-entraînés sur des jeux de données personnalisés pour créer des embeddings spécialisés pour des domaines de niche. Le projet fournit une suite complète d'outils pour gérer les représentations vectorielles, incluant des capacités de benchmarking de la précision des modèles par rapport à des métriques standardisées et l'indexation des embeddings pour une recherche de similarité rapide. Pour prendre en charge le déploiement dans des environnements aux ressources limitées, le framework inclut des fonctionnalités d'optimisation telles que la quantification de modèle en précision mixte pour réduire l'utilisation de la mémoire et accélérer la vitesse d'inférence.

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