🍭 #AI虚拟试穿 #深度学习模型


🏵 CatVTON - 轻量化虚拟试穿扩散模型


🍥 简介：
CatVTON 是一款高效的虚拟试穿扩散模型，具备以下技术优势：1. 结构轻量化，总参数量仅为 8.99 亿；2. 参数高效训练，支持在 4957 万参数规模下进行训练；3. 推理成本低，在 1024x768 分辨率下运行所需的显存低于 8GB。该模型实现了在保持高质量图像生成效果的同时，显著降低了计算资源需求，适用于资源受限的部署环境。


🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #医学影像 #深度学习 #PyTorch

🏵 MONAI - 医学影像深度学习框架

🍥 简介：
MONAI 是基于 PyTorch 开发的开源框架，专门针对医学影像领域进行深度学习模型构建与训练。该框架提供了一套经过优化的标准化工作流，旨在整合学术界、工业界与临床医疗资源，共同开发前沿医疗影像处理方案。通过提供丰富的算法组件，研究人员能够高效地进行模型开发、评估及部署，从而加速医学图像分析技术的迭代与落地应用。

🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #人工智能 #机器学习 #深度学习 #计算机视觉 #NLP

🏵 AI项目代码库 - 涵盖500个AI技术实践项目

🍥 简介：
该资源库整合了500个关于机器学习、深度学习、计算机视觉及自然语言处理（NLP）的开源项目。每个项目均包含完整的源代码，旨在为开发者提供各类算法模型的实现参考与技术实践案例，适用于不同深度的AI技术学习与开发应用。

🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #深度学习 #GPU性能优化


🏵 Copy-Space Guard - GPU集群数据传输延迟监控工具

🍥 简介：
该程序通过分析NCCL日志或调度计划，评估GPU集群在数据传输过程中的闲置时间。其不涉及修改模型权重及原始数据，仅通过计算分析，精准定位数据传输效率瓶颈，评估当前调度方案与最优解的差距，并量化估算潜在的计算资源节省空间，旨在优化大规模模型训练的硬件利用率。

🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #高性能计算 #深度学习框架


🏵 DeepGEMM - NVIDIA GPU矩阵加速库


🍥 简介：
DeepGEMM是一款专为大型语言模型设计的高性能矩阵运算库。该程序基于CUDA架构构建，集成了FP8与FP4精度计算、混合专家模型（MoE）算子及注意力机制评估等核心功能。通过对底层计算路径的深度优化，显著提升了大规模模型在NVIDIA GPU上的推理与训练效率。


🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #大语言模型 #开源教程 #深度学习


🏵 dive-into-llms - 大语言模型实践开发教程


🍥 简介：
该开源项目提供一系列免费教学资源，涵盖大语言模型微调、提示词工程、数学推理、安全对齐及智能体开发等核心领域。资料包含专业幻灯片、实操指南、代码运行环境及华为昇腾计算平台相关课程，旨在为开发者提供大模型全流程开发的系统性技术指导。


🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #深度学习 #文本生成


🏵 gpt-fast - 高效PyTorch文本生成

🍥 简介：
gpt-fast 是一款基于 PyTorch 的极简高效 Transformer 文本生成工具，核心代码不足1000行，仅依赖 PyTorch 和 sentencepiece，无需额外复杂依赖。支持 int8/int4 量化、推测式解码、张量并行，并兼容 Nvidia 与 AMD GPU，具备极低延迟。适配 LLaMA、Mixtral 8x7B 等主流模型，适合开发者用于快速实验、定制和性能优化。该项目不做大型框架，仅作为高性能 PyTorch 推理实现的参考和起点，便于学习和二次开发。

🎈 【进入项目】


🗣 羊毛撸货线报 | 合作/投稿

🍭 #深度学习 #多模态AI


🏵 Tiny Qwen - Qwen模型轻量复现

🍥 简介：
Tiny Qwen 是一个简洁易读的 PyTorch 项目，主要对 Qwen3 和 Qwen2.5-VL 大语言模型进行了轻量级复现。支持纯文本和图像多模态输入，以及稠密与混合专家架构，便于快速上手和学习。项目提供完善的命令行交互体验，适配 GPU 自动部署，代码结构清晰，适合模型原理研究与二次开发。相比官方实现，本项目去除冗余，易于理解，非常适合想深入掌握大模型推理与多模态处理的开发者和研究者。

🎈 【进入项目】


🗣 羊毛撸货线报 | 合作/投稿

🍭 #计算机视觉 #深度学习


🏵 DINOv3 - 高效视觉特征提取

🍥 简介：
DINOv3 是 Meta AI 推出的新一代视觉基础模型，采用 PyTorch 实现，支持多种高性能 ViT 和 ConvNeXt 架构。该项目提供丰富的预训练模型，具备高分辨率稠密特征输出，无需微调即可在分类、检测、分割等多项视觉任务上达到领先水平。模型权重可直接通过 PyTorch Hub 或 Hugging Face 加载，支持自定义数据集训练和评估。DINOv3 还配套完整的训练、推理及数据处理工具，适合科研和工业级视觉算法开发使用。

🎈 【进入项目】


🗣 羊毛撸货线报 | 合作/投稿

🍭 #大语言模型 #深度学习


🏵 Byte Latent Transformer - 字节级LLM架构

🍥 简介：
Byte Latent Transformer（BLT）是一种创新的字节级大模型架构，无需分词即可端到端处理原始字节流，极大提升了推理效率和健壮性。它通过动态分割字节为可变长度的“Patch”片段，实现按需分配算力，适应不同数据复杂度。BLT引入了新的注意力机制，增强了字节与Patch间的信息流动，并包含专用的字节序列记忆。官方代码支持大规模模型训练和推理，可直接加载权重并生成文本，适合探索高效、灵活的LLM新范式和大规模预训练研究。

🎈 【进入项目】


🗣 羊毛撸货线报 | 合作/投稿

🗣 每日羊毛线报 👈


🏵 DCVC-RT - 实时神经视频压缩

🍥 简介：
DCVC-RT 是一款面向实际应用的实时神经视频压缩编解码器，支持1080p下超100帧每秒及4K实时编码，压缩效率媲美主流标准。其创新性地减少运算与操作开销，采用隐式时序建模和低分辨率隐变量表示，大幅提升编码速度且保证压缩质量。DCVC-RT 单模型支持宽码率范围与动态速率控制，适配多种网络环境，兼容YUV与RGB格式。实验显示，DCVC-RT在主流GPU上大幅节省码流，并显著优于传统和现有学习型编解码器的速度表现。

🍭 #视频编解码 #深度学习压缩


🎈 【进入项目】


🎯 关注频道 🤖 合作/投稿

🗣 每日羊毛线报 👈


🏵 MyOCR - OCR系统构建框架

🍥 简介：
MyOCR 是一款高度可扩展的 OCR 系统构建框架，旨在帮助开发者轻松训练和集成深度学习模型，构建自定义 OCR 方案。它提供端到端开发流程，支持模块化组件的灵活组合，可替换模型、预测器等。MyOCR 提供简洁的 Python API 和预定义模型，并支持 ONNX 运行时以实现快速 CPU/GPU 推理，满足生产级性能需求。

🍭 #OCR #深度学习


🎈 【进入项目】


🎯 关注频道 🤖 合作/投稿