#deep-learning Repositories
Insgesamt 2,273 Repositories
🔮 Ein erfrischender funktionaler Ansatz für Deep Learning, kompatibel mit Ihren bevorzugten Bibliotheken
AIGC-interview/CV-interview/LLMs-interview Interviewfragen und -antworten Sammlung, gleichzeitig neue Ideen, neue Fragen, neue Ressourcen und neue Projekte aus Arbeits- und Forschungsprozessen enthaltend
Ein umfassender Satz von Fairness-Metriken für Datensätze und Machine-Learning-Modelle, Erklärungen zu diesen Metriken und Algorithmen zur Minderung von Bias in Datensätzen und Modellen.
Dieses Paket enthält den ursprünglichen AlexNet-Code von 2012.
Mehrsprachige automatische Spracherkennung mit Wort-Timestamps und Konfidenz
Eine Datengenerierungspipeline zur Erstellung von semi-realistischen synthetischen Multi-Objekt-Videos mit reichhaltigen Annotationen wie Instanzsegmentierungsmasken, Tiefenkarten und optischem Fluss.
Minkowski Engine ist eine Auto-Diff-Neural-Network-Bibliothek für hochdimensionale sparse Tensoren
Optische Zeichenerkennung für japanischen Text, mit dem Hauptaugenmerk auf japanischen Manga
Ein Crashkurs in sechs Episoden für Softwareentwickler, die Machine-Learning-Praktiker werden möchten.
Referenzimplementierung für DPO (Direct Preference Optimization)
Eine Closed-Loop-Lernplattform für Computer Vision, auf der Code interaktiv online ausgeführt werden kann. Lernen Sie den geschlossenen Kreislauf "Praktische Computer Vision: Algorithmen und Anwendungen" chinesisches E-Book, Quellcode, Community-Austausch für Leser (wird kontinuierlich aktualisiert ...) 📘 Online-E-Book https://charmve.github.io/computer-vision-in-action/ 👇Projekt-Homepage
Dieses Repository enthält kommentierte Forschungsarbeiten, die ich wirklich gut und nützlich fand
Bilder zur Inferenz ohne Beschriftung (verwenden Sie Basismodelle, um beaufsichtigte Modelle zu trainieren).
Einfache Berechnung von Clip-Embeddings und Aufbau eines Clip-Retrieval-Systems damit
Interaktive Tools für Machine Learning, Deep Learning und Mathematik
"Maschinelle Übersetzung: Grundlagen und Modelle" von Xiao Tong und Zhu Jingbo - Machine Translation: Foundations and Models
Liste von Papieren, Code und Experimenten, die Deep Learning für Zeitreihenprognosen verwenden
AIMET ist eine Bibliothek, die fortschrittliche Quantisierungs- und Komprimierungstechniken für trainierte neuronale Netzwerkmodelle bereitstellt.
Offizielle Codebasis für Decision Transformer: Reinforcement Learning durch Sequenzmodellierung.
MLNLP: Dieses Repository sammelt wissenschaftliche Arbeiten mit Open-Source-Code von Konferenzen für künstliche Intelligenz (wie ACL, EMNLP, NAACL, COLING, AAAI, IJCAI, ICLR, NeurIPS, ICML usw.).
[ICLR 2023] Offizielle Implementierung des Papers „DINO: DETR mit verbesserten DeNoising Anchor Boxes für End-to-End-Objekterkennung“
Eine Liste großartiger Compilerprojekte und -arbeiten für Tensorberechnungen und Deep Learning.
Große Modelle von Grund auf neu bauen: Eine komplette Praxis von Pretraining bis RLHF
[ICLR 2024] Offizielle Implementierung von „ 🦙 Time-LLM: Zeitreihenvorhersage durch Neukodierung großer Sprachmodelle“
Erstellen, personalisieren und steuern Sie Ihre eigenen LLMs. Von der Datenvorverarbeitung bis zum Fine-Tuning bietet xTuring eine einfache Möglichkeit, Open-Source-LLMs zu personalisieren. Treten Sie unserer Discord-Community bei: https://discord.gg/TgHXuSJEk6
GigaBrain-0: Ein von einem Weltmodell angetriebenes Vision-Sprache-Aktionsmodell
MusePose: ein Haltungsgesteuertes Bild-zu-Video-Framework für die Generierung virtueller Menschen
[NeurIPS 2025] OmniSVG ist die erste Familie von End-to-End multimodalen SVG-Generatoren, die vortrainierte Vision-Language Models (VLMs) nutzen und komplexe und detaillierte SVGs generieren können, von einfachen Symbolen bis hin zu aufwendigen Anime-Charakteren.
Deep Neural Network zum Extrahieren intelligenter Informationen aus Rechnungsunterlagen.
Computer Vision Projekte | Lustige KI-Projekte im Bereich Computer Vision (Python, C++, eingebettetes System)
Chronik des Wachstumsweges eines CV-Algorithmus-Ingenieurs, Teilen von Notizen zur Technologiestack für Computer Vision und Modellkomprimierung sowie Deployment. https://harleyszhang.github.io/cv_note/
LeetCode für PyTorch — 65 ML-/KI-Interviewaufgaben aus echten Vorstellungsgesprächen bei Google, Meta und Anthropic. Jupyter-Notebooks, ein automatischer Bewerter und ein MCP-KI-Tutor.
Beeindruckende Deep-Learning-Papiere für industrielle Suche, Empfehlung und Werbung. Sie konzentrieren sich auf Embedding, Matching, Pre-Ranking, Ranking, Post-Ranking, Relevanz, LLM und RL. Bitte zitieren Sie unser Papier „Deep Learning to Rank in Industrial Search Engines, Recommender Systems, and Online Advertising - An Overview and New Perspectives“ (TOIS 2026).