#deep-learning Repositories
Entdecke 2,273 aktive Open-Source-GitHub-Repositories, die mit #deep-learning getaggt sind und insgesamt 10,372,329 Sterne gesammelt haben (durchschnittlich 4,563 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist tensorflow/tensorflow mit 201,665 Sternen.
Insgesamt 2,273 Repositories
🤗 Transformers: Der Framework zur Modell-Definition für State-of-the-Art-Machine-Learning-Modelle in Text, Vision, Audio und multimodalen Modellen, sowohl für Inferenz als auch für Training.
Implementieren Sie Schritt für Schritt ein ChatGPT-ähnliches LLM in PyTorch von Grund auf neu
Tensoren und dynamische neuronale Netzwerke in Python mit starker GPU-Beschleunigung
🐙 Leitfäden, wissenschaftliche Arbeiten, Lektionen, Notebooks und Ressourcen für Prompt Engineering, Context Engineering, RAG und KI-Agenten.
Lerne AI Engineering! Lerne es. Entwickle es. Stelle es anderen zur Verfügung.
Eine kuratierte Liste von großartigen Machine-Learning-Frameworks, -Bibliotheken und -Software.
《Hands-on Deep Learning》: Für chinesische Leser, ausführbar und diskutierbar. Die chinesische und englische Version wird in über 500 Universitäten in mehr als 70 Ländern für den Unterricht verwendet.
🧑🏫 60+ Implementierungen/Tutorials von Deep-Learning-Papieren mit begleitenden Notizen 📝; einschließlich Transformatoren (Original, xl, switch, feedback, vit, ...), Optimierern (adam, adabelief, sophia, ...), gans (cyclegan, stylegan2, ...), 🎮 Reinforcement Learning (ppo, dqn), capsnet, Destillation, ... 🧠
Das einfachste, schnellste Repository zum Trainieren/Feintunen mittelgroßer GPTs.
Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — Objekterkennung, Instanzsegmentierung, semantische Segmentierung, Bildklassifizierung, Posenschätzung und Objektverfolgung
Klonen Sie eine Stimme in 5 Sekunden, um beliebige Sprache in Echtzeit zu generieren
Ultralytics YOLOv5 in PyTorch für Objekterkennung, Instanzsegmentierung, Klassifizierung, Training und Export.
Deep Learning 500 Fragen, in Q&A-Form zu gängigem Wahrscheinlichkeitswissen, Linearer Algebra, Machine Learning, Deep Learning, Computer Vision usw. heißen Themen erläutert, um mir selbst und bedürftigen Lesern zu helfen. Das gesamte Buch ist in 18 Kapitel unterteilt, über 500.000 Wörter. Aufgrund begrenzter Fähigkeiten bitte ich die Leser, unangemessene Stellen im Buch zu kritisieren und zu korrigieren. Fortsetzung folgt............ Bei Interesse an Kooperation kontaktieren Sie bitte [email protected] Alle Rechte vorbehalten, Verletzung wird verfolgt Tan 2018.06
Das Repository bietet Code zur Ausführung von Inferenz mit dem SegmentAnything Model (SAM), Links zum Herunterladen der trainierten Modell-Checkpoints und Beispiel-Notebooks, die zeigen, wie das Modell verwendet wird.
Qlib ist eine KI-orientierte Quant-Investmentplattform, die darauf abzielt, KI-Technologie zur Stärkung der Quant-Forschung einzusetzen, von der Ideenexploration bis zur Produktionsimplementierung. Qlib unterstützt verschiedene ML-Modellierungsparadigmen, einschließlich überwachtem Lernen, Modellierung von Marktdynamiken und RL, und ist jetzt mit https://github.com/microsoft/RD-Agent ausgestattet, um den F&E-Prozess zu automatisieren.
Lernen Sie, wie man produktionsreife ML-Anwendungen entwickelt, bereitstellt und iteriert.
Ray ist ein AI-Compute-Engine. Ray besteht aus einem zentralen verteilten Runtime und einem Satz von AI-Bibliotheken zur Beschleunigung von ML-Workloads.
Erstellen und teilen Sie entzückende Machine-Learning-Apps, alles in Python. 🌟 Sternen Sie, um unsere Arbeit zu unterstützen!
🐸💬 - ein Deep-Learning-Toolkit für Text-to-Speech, das in Forschung und Produktion erprobt wurde
TensorFlow Tutorial und Beispiele für Anfänger (unterstützt TF v1 & v2)
DeepSpeed ist eine Deep-Learning-Optimierungsbibliothek, die verteiltes Training und Inferenz einfach, effizient und effektiv macht.
ChatGLM-6B: Ein quelloffenes zweisprachiges Dialogsprachenmodell | Offenes zweisprachiges Dialog-Sprachmodell
500 KI-Projekte Machine Learning Deep Learning Computer Vision NLP mit Code
Plattformübergreifende, anpassbare ML-Lösungen für Live- und Streaming-Medien.
GFPGAN zielt auf die Entwicklung praktischer Algorithmen zur realen Gesichtsrestaurierung ab.
🚀Klonen Sie eine Stimme in 5 Sekunden, um beliebige Sprache in Echtzeit zu generieren
Detectron2 ist eine Plattform für Objekterkennung, Segmentierung und andere visuelle Erkennungsaufgaben.
🤗 Diffusers: State-of-the-art Diffusionsmodelle zur Erzeugung von Bildern, Videos und Audio in PyTorch.
CLIP (Contrastive Language-Image Pretraining), Vorhersage des relevantesten Textausschnitts anhand eines Bildes
Häufig gestellte Fragen
Welches ist das beliebteste #deep-learning-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#deep-learning-Projekt auf GitHub ist tensorflow/tensorflow mit 201,665 Sternen. Ein Open-Source-Machine-Learning-Framework für alle
Welche Programmiersprachen werden in #deep-learning-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #deep-learning-Projekten auf GitHub sind Python, Jupyter Notebook, C++, JavaScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #deep-learning-Repositories berechnet?
Wir verfolgen 2,273 aktive Open-Source-Repositories, die mit #deep-learning getaggt sind (500+ Sterne), mit insgesamt 10,372,329 Sternen und durchschnittlich 4,563 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.