Modular Diffusion 是一个易于使用的模块化 API，旨在使用 PyTorch 设计和训练自定义扩散模型，适合多种应用场景，包括图像生成和去噪处理。
lightning-uq-box是一个基于PyTorch和Lightning的库，旨在为现代神经网络提供多种不确定性量化(UQ)技术，支持灵活的模型训练和评估，并与现有的PyTorch项目无缝集成。
Simple-SimCSE是SimCSE模型的简单实现，支持无监督和有监督的训练方法，易于与流行的深度学习框架（如PyTorch）集成，并允许自定义训练和评估设置。
该项目展示了如何利用扩散模型生成高性能的神经网络参数。通过自动编码器提取潜在表示，并训练扩散模型从随机噪声合成这些表示，从而生成新的网络参数子集。
一个开源软件，旨在实现照片和视频中的一键换脸功能，基于深度学习技术，支持实时处理和多种文件格式，无需训练数据，用户友好。
Remix-DiT是一种采用扩散变换器的模型，旨在通过多专家系统提高图像去噪的性能，适用于多种图像处理任务。
这是一个基于PyTorch的库，旨在加速在分布外（OOD）检测方面的研究，支持多种检测方法，并提供易用的API设计。该项目结合深度学习模型进行OOD任务，提供数据集和基准测试，且可与PyTorch深度学习框架无缝集成。
accelerate是一个工具，可以帮助用户在多种设备上简单地运行PyTorch训练脚本，支持多GPU和TPU训练，并提供了易于集成的解决方案。它使得混合精度训练变得简单，同时支持分布式训练，用户可以通过命令行接口轻松启动训练任务。
PatchDCT是用于高质量实例分割的补丁细化技术，旨在提高图像分割的精度和效果。该项目利用补丁细化方法，增强了实例分割的性能，适用于多种图像处理任务。
eigenGPT是一个基于C++的高效实现，旨在提供简化的GPT2架构，易于理解和扩展，适合嵌入式系统和资源受限环境。
cryptography 是一个 Python 包，它为 Python 开发人员提供加解密方法和原语。它的目标是成为用户的“加密标准库”。
TokenLimits是一个网站，允许用户探索不同AI模型的令牌限制。它提供关于各种AI模型的最大令牌、字符和单词数量的信息，帮助用户了解在不同文本模型（如ChatGPT Plus、GPT-4、GPT-3.5-Turbo、GPT-3和Codex）中可以输入的内容限制。此外，该网站还提供图像提示模型（如Stable Diffusion）和嵌入模型（如Ada-002）的令牌限制。
Lucid v1 是一个实时潜在世界模型推断演示项目，兼容 RTX 4090 级 GPU，提供示例地图，并允许用户调整上下文长度和采样步骤，以提高帧率和效果。
