SimplexLab/TorchJD

Library for Jacobian descent with PyTorch. It enables the optimization of neural networks with multiple losses (e.g. multi-task learning).

何を解決するか

TorchJD は、マルチタスク学習で頻繁に発生する、複数の損失関数を用いたニューラルネットワーク学習の課題に対処します。異なる損失間の競合を処理するツールを提供し、特定のタスクが他のタスクを支配したり、競合する勾配が最適化を妨げたりすることを防ぎます。

関連

  • プロジェクト
    UM-ARM-Lab/pytorch_kinematics

    PyTorch向けの並列化・微分可能なロボット運動学ライブラリ。高速な順運動学、逆運動学、およびヤコビ行列の計算を提供します。

  • プロジェクト
    metaopt/torchopt

    二段階最適化およびメタラーニングに適した、明示的・陰的・ゼロ次微分をサポートする効率的なPyTorchライブラリ。

  • プロジェクト
    facebookresearch/multimodal

    CLIPやBLIP-2などのモデル向けに、モジュール式の構成要素と学習済み重みを提供し、最先端のマルチモーダルモデルを大規模にトレーニングするためのPyTorchライブラリ。

  • プロジェクト
    Xilinx/brevitas

    効率性を最適化するためのニューラルネットワーク量子化を、訓練後の量子化と量子化対応学習の両方でサポートするPyTorchライブラリです。

  • プロジェクト
    pytorch/ao

    モデルのトレーニングと推論を高速化し、メモリ使用量を削減するための、PyTorchネイティブな最適化ライブラリ。量子化とスパース性のツールを提供します。