Pytorch的Retro（DeepMind基于检索的注意网络）的实施

翻译 – pytorch语言库

为生产中的AI/ML模型服务的最简单方法

用离散的世界模型掌握atari

“学习用语言为世界建模的代码”。 ICML 2024口服。

OpenStl：时空预测学习的全面基准

Adan：自适应Nesterov动量算法，用于更快地优化深层模型

在Pytorch中，使用注意力的Meshgpt，SOTA网格生成

用于结构化和非结构化机器学习数据集的快速数据版本控制系统。我们的目标是使版本化数据集像版本化代码一样容易。

pytorch中的tabtransformer的实现，表格数据的注意网络

组合卷积神经网络（CNN）和线性支持向量机（SVM）的体系结构用于图像分类

反射：具有动态记忆和自我反射的自治药物

[CVPR2024✨Highlight]官方存储库，这是第一种共同从单眼视频中重建铰接的手和物体的方法，而无需假设预扫描的对象模板和3D手动训练数据。

由Django Rest框架构建的动态，可扩展的AI聊天机器人，支持PDF，文档，网站和YouTube视频的定制培训。利用Openai的GPT-3.5，Pinecone，Faiss和芹菜进行无缝整合和性能。

轻松的插件和播放优化器将模型培训成本降低50％。 新优化器比LLMS上的Adam快2倍。

缪斯的实施：通过蒙版生成变压器的文本到图像生成，pytorch

通过图像 – 文本基础模型以医学文献为基础的透明医学图像AI

对表格深度学习的研究：论文和包裹