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.
1âŻ629 Ă©toiles144 forksPythonMIT
En bref
- De quoi sâagit-il ?
- 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.
- Puis-je lâutiliser commercialement ?
- Oui. MIT est une licence permissive : vous pouvez utiliser, modifier et vendre un logiciel qui en dĂ©pend, Ă condition de conserver les mentions de droit dâauteur et de licence.
- Est-il encore maintenu ?
- Oui. Les derniers commits datent dâil y a 21 jours.
- En quel langage est-il Ă©crit ?
- Principalement Python, dâaprĂšs les statistiques de langage de GitHub.
Ces réponses reposent sur les données GitHub du projet (derniÚre synchronisation le 15 septembre 2026) et sur notre analyse. Elles ne constituent pas un avis juridique.
Fraßcheur des données
Statut Ă©ditorial
Une analyse éditoriale complÚte de ce projet n'est pas encore publiée. Les faits ci-dessus proviennent des métadonnées GitHub publiques. Vérifiez le dépÎt, la licence et le suivi des tickets avant de l'adopter en production.
Notes de la communauté