#deep-learning Repositories
Insgesamt 2,273 Repositories
Eine kuratierte Liste von Ressourcen zum Bestärkungslernen mit menschlichem Feedback (kontinuierlich aktualisiert)
Notizen, Programmieraufgaben und Quizze aus allen Kursen der Coursera Deep Learning Specialization, angeboten von deeplearning.ai: (i) Neuronale Netze und Deep Learning; (ii) Verbesserung tiefer neuronaler Netze: Hyperparameter-Tuning, Regularisierung und Optimierung; (iii) Strukturierung von Machine-Learning-Projekten; (iv) Convolutional Neural Networks; (v) Sequenzmodelle
https://www.youtube.com/channel/UC34rW-HtPJulxr5wp2Xa04w?sub_confirmation=1
Eine schnelle Bibliothek für AutoML und Tuning. Treten Sie unserem Discord bei: https://discord.gg/Cppx2vSPVP.
Kuratiertes Tutorial und Ressourcen für Large Language Models, KI-Malerei und mehr.
Ein KI-gestütztes Sprachverarbeitungs-Toolkit und Open-Source-SOTA-Vortrainierte Modelle, die Sprachverbesserung, -trennung und Extraktion von Zielsprechern usw. unterstützen.
Python-Notebooks mit ML- und Deep-Learning-Beispielen mit Azure Machine Learning Python SDK | Microsoft
⚡️SwanLab - ein Open-Source-Tool zur KI-Trainingsverfolgung und -visualisierung mit modernem Design. Unterstützt Cloud- / selbst gehostete Nutzung. Integriert mit PyTorch / Transformers / verl / LLaMA Factory / ms-swift / Ultralytics / MMEngine / Keras usw.
InstantMesh: Effiziente 3D-Mesh-Generierung aus einem einzelnen Bild mit Large Reconstruction Models für Sparse Views
In diesem Repository teile ich nützliche Notizen und Referenzen zum Bereitstellen von Deep-Learning-basierten Modellen in der Produktion.
LightLLM ist ein Python-basiertes Framework für die Inferenz und das Serving von LLMs (Large Language Models), das für sein leichtgewichtiges Design, seine einfache Skalierbarkeit und seine Hochgeschwindigkeitsleistung bekannt ist.
Eine Sammlung von Cheatsheets, Büchern, Fragen und Portfolio für die DS/ML-Interviewvorbereitung
Eine saubere Implementierung basierend auf AlphaZero für jedes Spiel in jedem Framework + Tutorial + Othello/Gobang/TicTacToe/Connect4 und mehr
Dieses Projekt reproduziert das Buch Dive Into Deep Learning (https://d2l.ai/) und passt den Code von MXNet an PyTorch an.
RAG (Retrieval Augmented Generation) Framework zum Erstellen modularer Open-Source-Anwendungen für die Produktion von TrueFoundry
Werden Sie versiert in Künstlicher Intelligenz, Maschinellem Lernen, Generativer KI, Deep Learning, Datenwissenschaft, Verarbeitung natürlicher Sprache, Bestärkendem Lernen und mehr mit diesem kompletten 0-zu-100-Repository.
Skalierbare und benutzerfreundliche neuronale :brain: Prognosealgorithmen.
Ein industrielles Deep-Learning-Framework für hochdimensionale Sparse-Daten
TorchGeo: Datensätze, Sampler, Transformationen und vortrainierte Modelle für Geodaten
[ECCV 2022] Dies ist die offizielle Implementierung von BEVFormer, einem kameraeigenen Framework für die Wahrnehmung autonomer Fahrzeuge, z.B. 3D-Objekterkennung und semantische Kartensegmentierung.
Ein Python-Paket zur Segmentierung von Geodaten mit dem Segment Anything Model (SAM)
Zusammenfassung und Studium von ChatGPT-Materialien, kontinuierlich aktualisiert......
"Build a Large Language Model (From Scratch)" ist ein E-Book, das tief in die Prinzipien und die Implementierung großer Sprachmodelle eintaucht und sich an Lernende richtet, die die Architekturen, Trainingsprozesse und Anwendungsentwicklung von großen Modellen wie GPT verstehen möchten. Damit mehr chinesische Leser diese äußerst wertvolle Anleitung erhalten können, habe ich beschlossen, sie ins Chinesische zu übersetzen und über GitHub Open Source zu teilen.
Baue ein modernes LLM von Grund auf. Jede Zeile kommentiert. Erklärt wie für Fünfjährige.
Eine moderne Anki-Benutzerdefinierte Planung basierend auf dem Free Spaced Repetition Scheduler-Algorithmus
Open-Source-Bibliothek mit optimierten Deep-Learning-Operationen (Matrixmultiplikation, Faltung und Attention) für CPUs (x64, AArch64, RISC-V) und Intel-GPUs. Wird von PyTorch, TensorFlow, OpenVINO und ONNX Runtime verwendet.
FEDML – Die einheitliche und skalierbare ML-Bibliothek für groß angelegtes verteiltes Training, Model Serving und Federated Learning. FEDML Launch, ein Cross-Cloud-Scheduler, ermöglicht ferner die Ausführung beliebiger KI-Jobs in jeder GPU-Cloud oder jedem On-Premise-Cluster. Auf dieser Bibliothek aufbauend, ist TensorOpera AI (https://TensorOpera.ai) Ihre generative KI-Plattform im großen Maßstab.
Deepchecks: Tests für die kontinuierliche Validierung von ML-Modellen & Daten. Deepchecks ist eine ganzheitliche Open-Source-Lösung für all Ihre Anforderungen an die KI- & ML-Validierung, mit der Sie Ihre Daten und Modelle von der Forschung bis zur Produktion gründlich testen können.
Ein Open-Source-Framework für das Training großer multimodaler Modelle.
TimeGPT-2.1: Produktionsreifes, vortrainiertes Foundation-Modell für Zeitreihen zur Prognose und Anomalieerkennung. Ein generativer, vortrainierter Transformer für Zeitreihen, der mit über 100 Milliarden Datenpunkten trainiert wurde. Mit nur wenigen Codezeilen kann es präzise Vorhersagen in verschiedenen Bereichen wie Einzelhandel, Stromversorgung, Finanzen und IoT treffen 🚀.
Synapsa Commons: kostenlose, praxisorientierte KI-Kurse, die überall ausgeführt werden können (Colab, Kaggle, Binder, Codespaces, Jupyter). Konformitätsnachweise gemäß dem EU-KI-Gesetz, Modellvalidierung, vorausschauende Wartung, Dokumentenextraktion, Retrieval und RAG, KI-Agenten und MCP sowie ein simuliertes humanoides Wesen. Jede Lektion wird automatisch bewertet. Vom Team hinter Synapsa.