Inicio Proyectos FastGen
FastGen
Python

FastGen

NVIDIA FastGen: Generación rápida a partir de modelos de difusión

por NVlabs · GitHub
Estrellas
Ramas
Licencia
Creado
Último commit
Lenguaje
diffusion-modelsdistillationApache-2.0Python
Ver en GitHub
En palabras simples

Crea modelos generativos rápidos utilizando diversas técnicas para diferentes tareas con este marco.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
FastGen — GitHub preview card
📈 Historial de estrellas
852851
2026-07-202026-08-31
📈 Sigue FastGen

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

NVIDIA FastGen: Generación rápida a partir de modelos de difusión

FastGen tiene 851 estrellas en GitHub. Se ha bifurcado 71 veces. FastGen está escrito principalmente en Python. Se desarrolla activamente desde 2026. FastGen está disponible bajo la licencia Apache-2.0. Sus temas principales son: diffusion-models, distillation.

Frequently asked questions

¿Qué es FastGen?

NVIDIA FastGen: Generación rápida a partir de modelos de difusión

¿FastGen es de código abierto?

FastGen es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.

¿FastGen es gratis?

Sí. FastGen es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está FastGen?

FastGen está disponible bajo la licencia Apache-2.0.

¿En qué lenguaje está escrito FastGen?

FastGen está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — FastGen

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=nvlabs-fastgen)](https://olud.ai/project/nvlabs-fastgen.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.