Awesome GitHub RepositoriesCross-Framework Model Conversion

yolotf is an object detection framework that provides tools for converting Darknet model configurations and weights into TensorFlow graphs. It includes a TensorFlow model trainer for training new detection models or fine-tuning existing weights using custom datasets. The project features a mobile model exporter that serializes graph definitions and metadata into protobuf files for deployment on mobile devices. The framework supports object detection inference on images and video to identify objects and export bounding box coordinates. It manages model state through weight-mapping translation

MMdnn 是一个深度学习模型转换与迁移工具，旨在实现 TensorFlow、PyTorch 和 Keras 等不同框架之间的神经网络架构与权重转换。它利用标准化的中间表示（IR）将网络结构和权重与特定框架的实现解耦，从而支持在不同环境中转换预训练模型。 该项目的特色在于能从中间表示生成原生的 Python 重构代码，允许在目标环境中重建和微调模型。它还包含用于移动端模型部署的专用工具，可将深度学习模型转换为 CoreML 和 TensorFlow Lite 等移动兼容格式。 该系统提供了一套更广泛的功能，包括用于检查图结构和元数据的神经网络架构可视化，以及用于验证转换后模型是否保持原始行为和精度的模型推理执行。其他实用程序还可处理从远程仓库获取预训练权重以及组装可部署的模型检查点。

这是一个关于使用 PyTorch 构建神经网络的综合教学资源和课程。它涵盖了深度学习的基本构建块，包括张量操作、自动微分以及模块化神经网络组件的构建。 该仓库是多个专业领域的参考指南。它提供了计算机视觉任务（如图像分类、目标检测和语义分割）的实现细节，以及涉及 Transformer、循环网络和生成模型的自然语言处理工作流。此外，它还包括生成式 AI 的参考资料，专门关注通过扩散模型和对抗网络进行图像合成。 材料延伸至模型优化和部署流水线。它涵盖了通过量化和将模型导出为 ONNX 和 TensorRT 等格式来减小模型大小并提高推理速度的技术。其他能力领域包括用于并行加载的数据工程、使用自定义指标的模型评估，以及开源大语言模型的部署。 该项目主要以一系列 Jupyter Notebook 的形式提供。

此项目是一个自监督对比学习框架，旨在训练深度学习模型从图像中学习视觉表示，而无需使用人类提供的标签。它提供了一个系统，用于开发可适应下游计算机视觉任务的预训练视觉表示模型。 该框架包括用于半监督图像分类的工具，它结合了大型未标记数据集和小型标记集以提高准确性。它还具有线性探测评估工具，通过在冻结的表示之上训练简单的线性分类器来评估学习到的图像特征的质量。 代码库涵盖了分布式深度学习训练和硬件加速以处理大批量数据，以及优化原语，如余弦衰减学习率调度和权重衰减正则化。它还提供了模型管理实用程序，包括在不同深度学习框架格式之间转换预训练检查点，以及用于模型部署的工具。 该实现以 Jupyter Notebooks 集合的形式提供。