#deep-learning Repositories
Insgesamt 2,273 Repositories
OpenPose: Echtzeit-Bibliothek zur Erkennung von Keypoints für Körper, Gesicht, Hände und Füße bei mehreren Personen
Trainieren Sie JEDES KI-Modell JEDER Größe auf 1 oder 10.000+ GPUs mit null Codeänderungen vor und stimmen Sie es fein ab.
Roadmap zur Entwicklung eines Experten für künstliche Intelligenz im Jahr 2022
:memo: Ein großartiges Data Science Repository zum Lernen und Anwenden für reale Probleme.
Maschinelle Lernsysteme: Grundlagen, Skalierung, agentische KI und physische KI (Bde. I–IV) • Harvard CS249r | https://mlsysbook.ai
Code und Dokumentation zum Trainieren der Alpaca-Modelle von Stanford und zum Generieren der Daten.
Sofort einsatzbereite OCR-Technologie mit über 80 unterstützten Sprachen und allen gängigen Schriftsystemen, einschließlich Lateinisch, Chinesisch, Arabisch, Devanagari, Kyrillisch und etc.
⛔️ VERSCHOBEN – Siehe https://github.com/ageron/handson-ml3 oder handson-mlp stattdessen.
Python-Notebooks für Data Science: Deep Learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, Big Data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, Python-Grundlagen, AWS und verschiedene Befehlszeilen.
Label Studio ist ein Tool zur Beschriftung und Annotation von Daten mehrerer Typen mit standardisiertem Ausgabeformat
Ein vollständiger täglicher Lernplan, um Maschinenlerningenieur zu werden.
📚 Artikel & Tech-Blogs von Unternehmen, die ihre Arbeit zu Data Science & Machine Learning in der Produktion teilen.
Eine kuratierte Liste von großartigen Deep-Learning-Tutorials, Projekten und Communities.
Interaktives Deep-Learning-Buch mit Code für mehrere Frameworks, Mathematik und Diskussionen. An 500 Universitäten in 70 Ländern übernommen, darunter Stanford, MIT, Harvard und Cambridge.
Deep Learning für Bildverarbeitung, einschließlich Klassifikation und Objekterkennung usw.
Ein spieltheoretischer Ansatz zur Erklärung der Ausgabe beliebiger maschineller Lernmodelle
⛔️ VERSCHOBEN/VERALTET – Siehe https://github.com/ageron/handson-ml3 oder handson-mlp stattdessen.
JARVIS, ein System zur Verbindung von LLMs mit der ML-Community. Paper: https://arxiv.org/pdf/2303.17580.pdf
✅(Abgeschlossen) Super umfassende Deep-Learning-Notizen 【Tuduī PyTorch】【Li Mu Praktisches Deep Learning】【Andrew Ng Deep Learning】【Dafei Große Modelle Agent】
PArallel Distributed Deep LEarning: Machine Learning Framework aus der industriellen Praxis (Der Kern-Framework『FeiJiang』, High-Performance-Training für Deep Learning & Machine Learning auf Einzelrechnern und verteilt sowie plattformübergreifende Bereitstellung)
ncnn ist ein Hochleistungs-Inferenz-Framework für neuronale Netze, optimiert für mobile Plattformen
Audiocraft ist eine Bibliothek für die Audioverarbeitung und -generierung mit Deep Learning. Sie enthält den hochmodernen Audio-Kompressor/Tokenizer EnCodec sowie MusicGen, ein einfaches und steuerbares Musikgenerierungs-LM mit Text- und Melodiebedingung.
Eine Rangliste von großartigen Machine-Learning-Python-Bibliotheken. Wöchentlich aktualisiert.
Eine leichtgewichtige Bibliothek für Gesichtserkennung und Gesichtsattributanalyse (Alter, Geschlecht, Emotion und Rasse) für Python
Eine kuratierte Liste von großartigen Ressourcen für Computer Vision
🚀 Eine kuratierte Sammlung von Ressourcen, Roadmaps, Tools und Projekten für KI-Engineering mit den Themen LLMs, RAG, KI-Agenten, MCP, Fine-Tuning, Evaluierungen und KI-Systeme im Produktivbetrieb.
ONNX Runtime: Cross-Plattform, hochleistungsstarker ML-Inferenz- und Trainingsbeschleuniger
Programmierer Yupis umfassende KI-Ressourcensammlung + Vibe Coding-Grundlagentutorial, mit detailliertem OpenClaw-Tutorial, Spielweisen großer Modelle (DeepSeek / GPT / Gemini / Claude / GLM), neuesten KI-Nachrichten, umfassender Prompt-Sammlung, KI-Wissensenzylopädie (Agent Skills / RAG / MCP / A2A), KI-Programmiertutorial (Harness Engineering), KI-Toolnutzung (Cursor / Claude Code / TRAE / Codex / Copilot), KI-Entwicklungsframework-Tutorial (Spring AI / LangChain), KI-Produktmonetarisierungsleitfaden, der Ihnen hilft, KI-Technologie schnell zu beherrschen und an der Spitze der Zeit zu bleiben. Dieses Projekt ist das Open-Source-Dokument aiguide, das zur Yupi-KI-Navigationswebsite aufgerüstet wurde.
🤗 Die größte Drehscheibe für einsatzbereite Datensätze für KI-Modelle mit schnellen, einfach zu bedienenden und effizienten Werkzeugen zur Datenmanipulation
Code für Machine Learning for Trading, 3. Auflage — von der Datenbeschaffung bis zur Live-Ausführung.