ICCV’23纸的Pytorch代码。 Neo 360：用于稀疏视图综合室外场景的神经场

基于Ubuntu Linux发行的开源虚拟助手

在Pytorch中实施感知者，一般的看法，并迭代关注

Parti的Parti的实施Parti在Pytorch中的纯粹基于注意的文本对图像神经网络

扩散模型的内存优化训练库

梦想：通过潜在想象力学习行为

访问Pixellib的官方文档https://pixellib.readthedocs.io/en/latest/

Biggan的Pytorch实施具有验证的重量和转换脚本。

Happy Transformer可以轻松使用NLP变压器模型进行微调和推断。

Python的快速演变策略实施

Lambdanetworks的实施，这是一种新的图像识别方法，以较少的计算到达SOTA

Musiclm的实现，这是Google Research发表的音乐模型文本，并进行了一些修改。

掠夺者：模块化深钢筋学习框架。专注于Starcraft II。支持健身房，阿塔里（Atari）和穆乔科（Mujoco）。

Python +推理 – Python中的模型部署库。有史以来最简单的模型推理服务器。

与卷积神经网络的图像脱毛。脚本和神经网络模型在此处可用

一个基于Pytorch的DEEPRL框架，用于在生物启发的环境中训练和研究人造物种。

跟踪Pytorch型号的指数移动平均值（EMA）版本的一种简单方法

使用进化算法，ML超参数调整和特征选择。