SimplexLab/TorchJD

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

해결하는 문제

TorchJD는 멀티태스크 학습에서 자주 발생하는 다중 손실 함수를 사용한 신경망 학습의 과제를 해결합니다. 서로 다른 손실 간의 충돌을 처리하는 도구를 제공하여, 특정 작업이 다른 작업을 압도하거나 충돌하는 그래디언트가 최적화를 방해하는 것을 방지합니다.

관련

  • 프로젝트
    UM-ARM-Lab/pytorch_kinematics

    PyTorch를 위한 병렬 및 미분 가능한 로봇 운동학 라이브러리로, 빠른 순운동학, 역운동학 및 Jacobian 계산을 제공합니다.

  • 프로젝트
    metaopt/torchopt

    이중 최적화 및 메타학습을 위한 명시적, 음함수, 제로차 미분을 지원하는 효율적인 PyTorch 라이브러리입니다.

  • 프로젝트
    facebookresearch/multimodal

    CLIP 및 BLIP-2와 같은 모델을 위한 모듈식 구성 요소와 사전 학습된 가중치를 제공하여 최첨단 멀티모달 모델을 대규모로 학습할 수 있는 PyTorch 라이브러리입니다.

  • 프로젝트
    Xilinx/brevitas

    모델의 효율성을 최적화하기 위해 훈련 후 양자화와 양자화 인식 훈련을 모두 지원하는 PyTorch 라이브러리입니다.

  • 프로젝트
    pytorch/ao

    모델의 트레이닝과 추론을 가속화하고 메모리 사용량을 줄이기 위한 PyTorch 네이티브 최적화 라이브러리로, 양자화 및 희소성 도구를 제공합니다.