PyTorch集成

DeepCTR-Torch是一个易于使用、模块化且可扩展的深度学习点击率（CTR）预测模型包。它支持多种深度学习架构，并与PyTorch集成，提供高效的计算能力。

NVIDIA开发的高性能神经网络库，帮助构建尊重对称性的神经网络模型，提升模型的数据效率。该库通过优化的CUDA内核和全面的API，支持构建高效的等变神经网络，确保与主流深度学习框架的兼容性。

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。

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。

一个完整的管道，用于在消费级硬件上使用LoRA和RLHF微调Vicuna LLM。该项目实现了基于Vicuna架构的RLHF（强化学习与人类反馈），基本上是ChatGPT的变种，但使用Vicuna。

用于快速拟合神经场(neural fields)到整个数据集的库，为下游任务提供代表性的表示

这个开源项目是一个生成式AI模型优化赛的参赛方案，获得了天池NVIDIA TensorRT Hackathon 2023初赛的第三名。该项目的功能涉及到开源、机器学习等领域。

TransferAttack是一个基于PyTorch的框架，旨在提升图像分类中的对抗性传递性，提供评估和攻击模型的功能，并对已有的传递性攻击进行分类和评估。

Spio是一个专为PyTorch设计的高效工具，利用优化的CUDA内核显著提升卷积神经网络的训练效率，特别是在分组卷积的性能方面。

LLM Compressor 是一个专注于大型语言模型压缩的工具库，支持训练中和训练后的压缩技术。它与 PyTorch 和 HuggingFace Transformers 兼容，设计灵活易用，便于快速实验。此外，它还专门为 vLLM 提供量化优化功能，支持将 Hugging Face 格式的模型转换为 safetensors 格式，特别适用于量化 Hugging Face 上新发布的小模型。通过集成多种压缩算法（如 GPTQ、SparseGPT 和 SmoothQuant），LLM Compressor 在保持模型精度的同时，显著提升推理效率和资源利用率。

OneFlow-ONNX v0.6.0是一个用于将ONNX模型转换为OneFlow格式的工具，提升了转换接口的易用性，并新增支持多种模型和算子。

river-torch是一个基于PyTorch的Python库，专为在线深度学习而设计，支持实时数据的模型适应。它与River框架无缝集成，提供多种神经网络架构，并包含模型评估和性能监控工具。

Playground TextSynth 是一个先进的AI工具，旨在使用强大的语言模型来完成文本，用户可以选择多个模型，享受多功能的文本生成体验。