Currículo introdutório de IA da Microsoft, com 24 aulas ao longo de 12 semanas sobre IA simbólica, redes neurais, visão computacional, NLP e ética, incluindo notebooks em PyTorch e TensorFlow.
bharathgs/Awesome-pytorch-list
Uma lista selecionada de bibliotecas, modelos, implementações, tutoriais e artigos relacionados ao PyTorch no GitHub.
- Estrelas
- 16,714
- Forks
- 2,844
- Issues abertas
- 31
- Último commit
- há 29 dias
O que é?
Esta lista selecionada no estilo awesome reúne projetos relacionados ao PyTorch no GitHub, organizados em categorias como NLP e processamento de fala, visão computacional, bibliotecas probabilísticas e generativas, outras bibliotecas utilitárias, tutoriais e livros, implementações de artigos, palestras e comunidades relacionadas.
Cada item tem um link para um repositório e uma descrição de uma linha, facilitando a busca por uma tarefa específica, como modelagem sequence-to-sequence, detecção de objetos, otimização bayesiana ou aprendizado por reforço. A lista também inclui o projeto oficial do PyTorch e vários toolkits de domínio criados com base nele.
A lista é mantida pela comunidade e aceita contribuições, portanto representa um retrato dos projetos disponíveis, e não um índice oficial ou exaustivo.
Recursos principais
- 01Agrupa projetos de PyTorch por área, como NLP, visão computacional e programação probabilística.
- 02Inclui bibliotecas, implementações de modelos, utilitários auxiliares e reproduções de artigos.
- 03Lista tutoriais, livros e repositórios de exemplos para aprender PyTorch.
- 04Cada item tem um link para o repositório e uma descrição breve.
Casos de uso
- Encontrar uma biblioteca de PyTorch para uma tarefa específica, como reconhecimento de fala ou detecção de objetos.
- Descobrir tutoriais e exemplos de código para aprender PyTorch.
- Conhecer implementações open source existentes antes de iniciar um projeto de pesquisa.
Antes de usar
- Nenhuma licença foi especificada, então os termos de reutilização não estão claros.
Tópicos
Perguntas frequentes
- O que é Awesome-pytorch-list?
- Uma lista selecionada de bibliotecas, modelos, implementações, tutoriais e artigos relacionados ao PyTorch no GitHub. Esta lista selecionada no estilo awesome reúne projetos relacionados ao PyTorch no GitHub, organizados em categorias como NLP e processamento de fala, visão computacional, bibliotecas probabilísticas e generativas, outras bibliotecas utilitárias, tutoriais e livros, implementações de artigos, palestras e comunidades relacionadas.
- Awesome-pytorch-list é gratuito? Qual é a licença?
- Awesome-pytorch-list não declara licença. O código é público, mas sem licença você não tem permissão explícita para reutilizá-lo; fale com o autor antes de depender dele.
- Awesome-pytorch-list ainda é mantido?
- Manutenção ativa. O último commit de Awesome-pytorch-list foi em 22 de set. de 2026.
- Para que posso usar Awesome-pytorch-list?
- Encontrar uma biblioteca de PyTorch para uma tarefa específica, como reconhecimento de fala ou detecção de objetos. Descobrir tutoriais e exemplos de código para aprender PyTorch. Conhecer implementações open source existentes antes de iniciar um projeto de pesquisa.
- Onde consigo Awesome-pytorch-list?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/bharathgs/Awesome-pytorch-list
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Lista selecionada de bibliotecas open source para implantar, monitorar, versionar, escalar e proteger modelos de machine learning em produção.
Lista selecionada em Markdown de canais do YouTube em inglês que ensinam programação, desenvolvimento web, machine learning, cibersegurança e outros temas de tecnologia.
Lista curada no estilo Awesome de recursos de Python para ciência de dados, com bibliotecas, tutoriais, livros, conjuntos de dados e palestras.
Keras 3 é um framework de deep learning que roda com JAX, TensorFlow, PyTorch ou OpenVINO para inferência.
Visualizador de modelos de redes neurais, deep learning e machine learning, com suporte a ONNX, TensorFlow, PyTorch, Core ML e muitos outros formatos.