Jupyter Notebook Repositories
Insgesamt 1,614 Repositories
Robotergreifarm + großes Modell + multimodale Daten = Mensch-Roboter-Kollaborations-Körper-Intelligenz
Attention-basiertes Modell zum Lernen, verschiedene Routing-Probleme zu lösen
Nützliche Skripte, UDFs, Views und andere Utilities für Migration und Data-Warehouse-Operationen in BigQuery.
ProtTrans bietet hochmoderne vortrainierte Sprachmodelle für Proteine an. ProtTrans wurde auf Tausenden von GPUs von Summit und Hunderten von Google TPUs unter Verwendung von Transformer-Modellen trainiert.
Schulungs-Notebooks für Musikinformations-Retrieval.
Dieses Repository enthält Mini-Projekte im Bereich maschinelles Lernen mit Notebook-Dateien
JoyCaption ist ein visueller Sprachmodell (VLM) zur Bildunterschriftenerstellung, das von Grund auf als kostenloses, offenes und unzensiertes Modell für die Community aufgebaut wird, um es beim Training von Diffusionsmodellen zu verwenden.
Offizielles Repository für "Mish: A Self Regularized Non-Monotonic Neural Activation Function" [BMVC 2020]
[ECCV`24&ICLR`25] CityGaussian-Serie für hochwertige großskalige Szenenrekonstruktion mit Gaußchen
PiML (Python Interpretable Machine Learning) Toolbox für die Modellentwicklung und -diagnose
Code für Motion Representations für Articulated Animation Paper
:art: Erweiterte Version der mathematischen Formelerkennung: Handschriftliche und gedruckte Formeln auf Chinesisch und Englisch, unterstützt grundlegende Symbolableitung (Datenstruktur basierend auf LaTeX Abstract Syntax Tree) Math Formula OCR Pro, unterstützt Handschrift, chinesisch-englische gemischte Formeln und einfache Symbolenfolgerung (basierend auf LaTeX AST).
Deep Reinforcement Learning Hands-On: Zweite Auflage, veröffentlicht von Packt
ktrain ist eine Python-Bibliothek, die Deep Learning und KI zugänglicher und einfacher anzuwenden macht
Therapeutics Commons (TDC): Multimodale Grundlage für die Therapeutische Wissenschaft
Replikation einfacher CV-Projekte einschließlich Attention, Klassifikation, Detektion, Keypoint-Detektion usw.
Python for Algorithmic Trading Cookbook, herausgegeben von Packt
DeepRacer-Workshop-Inhalt. Diese Anleitung zeigt, wie Softwareentwickler eine Amazon SageMaker Notebook-Instanz verwenden können, um AWS DeepRacer-Modelle direkt mit voller Kontrolle zu trainieren und zu bewerten.
WeVisOne-VL ist ein leistungsstarkes Vision-Language-Modell (VLM) des WeChat-Vision-Teams von Tencent. Es vereint die Wahrnehmung auf Objekt- und Pixelebene – von Punkten und Rahmen bis hin zu Masken und Alphamatten.
Theorie der digitalen Signalverarbeitung (DSP): Signale, Filterung (IIR, FIR, CIC, MAF), Transformationen (FFT, DFT, Hilbert, Z-Transformation) usw.
E2M konvertiert verschiedene Dateitypen (doc, docx, epub, html, htm, url, pdf, ppt, pptx, mp3, m4a) in Markdown. Es ist einfach zu installieren, mit dedizierten Parsern und Konvertern, die benutzerdefinierte Konfigurationen unterstützen. E2M bietet eine All-in-One-, flexible und Open-Source-Lösung.
Ein PyTorch-Framework für Empfehlungs-Modelle, einfach zu verwenden und erweiterbar.
Beginnen Sie mit dem Erlernen von C# mit C#-Notebooks, die von .NET Interactive und VS Code unterstützt werden.
All-in-One RVC-Song-Cover-Toolkit für Google Colab: Audio von YouTube abrufen, Gesang trennen, ein Modell trainieren und die Inferenz ausführen.
GenMedia Creative Studio ist eine User Experience für generative Medien, die den Einsatz von Gemini, Gemini Omni, Veo, Gemini Image 🍌, Gemini TTS, Chirp 3, Lyria und anderen generativen Medien-APIs in der Google Cloud hervorhebt.
PyTorch-Implementierung und Erklärung von Graph Representation Learning-Papieren: DeepWalk, GCN, GraphSAGE, ChebNet & GAT.
Keras-Implementierung von "One pixel attack for fooling deep neural networks" mit Differential Evolution auf Cifar10 und ImageNet