yoshitomo-matsubara/torchdistill
torchdistill
A coding-free framework built on PyTorch for reproducible deep learning studies. PyTorch Ecosystem. đ26 knowledge distillation methods presented at TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV, AAAI, etc are implemented so far. đ Trained models, training logs and configurations are available for ensuring the reproducibiliy and benchmark.
1.629 Sterne144 ForksPythonMIT
Auf einen Blick
- Was ist das?
- A coding-free framework built on PyTorch for reproducible deep learning studies. PyTorch Ecosystem. đ26 knowledge distillation methods presented at TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV, AAAI, etc are implemented so far. đ Trained models, training logs and configurations are available for ensuring the reproducibiliy and benchmark.
- Darf ich es kommerziell nutzen?
- Ja. MIT ist eine freizĂŒgige Lizenz: Sie dĂŒrfen darauf aufbauende Software nutzen, verĂ€ndern und verkaufen, solange Sie die Urheberrechts- und Lizenzhinweise beibehalten.
- Wird es noch gepflegt?
- Ja. Die letzten Commits kamen vor 21 Tagen.
- In welcher Sprache ist es geschrieben?
- HauptsÀchlich Python, laut der Sprachstatistik von GitHub.
Die Antworten beruhen auf den GitHub-Daten des Projekts (zuletzt abgeglichen am 15. September 2026) und auf unserer Analyse. Sie sind keine Rechtsberatung.
DatenaktualitÀt
Redaktionsstatus
Eine vollstĂ€ndige redaktionelle Analyse dieses Projekts ist noch nicht veröffentlicht. Die obigen Fakten stammen aus den öffentlichen GitHub-Metadaten. PrĂŒfen Sie Repository, Lizenz und Issue-Tracker, bevor Sie es in Produktion einsetzen.
Community-Notizen