#deep-learning Repositories
Insgesamt 2,273 Repositories
Ein PyTorch-Framework für Empfehlungs-Modelle, einfach zu verwenden und erweiterbar.
[PKU EPIC Lab] Leitfaden für Anfänger zur verkörperten Intelligenz
[CVPR 2024 Oral, Best Paper Runner-Up] Code für "pixelSplat: 3D Gaussian Splats aus Bildpaaren für skalierbare generalisierbare 3D-Rekonstruktion" von David Charatan, Sizhe Lester Li, Andrea Tagliasacchi und Vincent Sitzmann
Ressourcen, die Ihnen bei der Vorbereitung auf Ihre bevorstehenden Data-Science-Bewerbungsgespräche helfen
Offizielle Implementierung von "OpenPifPaf: Composite Fields for Semantic Keypoint Detection and Spatio-Temporal Association" in PyTorch.
[CVPR 2026] 🔥🔥 Offizielles Repository von USO: Einheitliche Stil- und subjektgesteuerte Generierung via disentangled und Reward Learning
[NeurIPS 2023] Offizieller Code für "SMPLer-X: Skalierung von Expressivem Human Pose and Shape Estimation"
PDEBench: Ein umfangreicher Benchmark für wissenschaftliches maschinelles Lernen
Keras-Implementierung von "One pixel attack for fooling deep neural networks" mit Differential Evolution auf Cifar10 und ImageNet
Dynamische Schwellenwertbildung (CFG-Skalierungsfix) für Stable Diffusion (SwarmUI, ComfyUI und Auto WebUI)
LangChain- und Prompt-Engineering-Tutorials zu Large Language Models (LLMs) wie ChatGPT mit benutzerdefinierten Daten. Jupyter-Notebooks zum Laden und Indizieren von Daten, Erstellen von Prompt-Vorlagen, CSV-Agenten und Verwenden von Retrieval-QA-Ketten zum Abfragen benutzerdefinierter Daten. Projekte zur Verwendung eines privaten LLM (Llama 2) für den Chat mit PDF-Dateien, Tweet-Sentiment-Analyse.
Implementierung von Perceiver, Allgemeine Wahrnehmung mit Iterativer Aufmerksamkeit, in Pytorch
Framework für neuronale Netzwerkkompression für verbesserte OpenVINO™-Inferenz
TorchXRayVision: Eine Bibliothek von Röntgen-Thorax-Datensätzen und Modellen. Klassifikatoren, Segmentierung und Autoencoder.
Sequence-to-Sequence-Framework mit Schwerpunkt auf Neural Machine Translation basierend auf PyTorch
Ein Python-Modul zum Abrufen des GPU-Status von NVIDIA-GPUs mit nvidia-smi programmatisch in Python
Finden Sie automatisch Probleme in Bilddatensätzen und üben Sie datenzentrische Computer Vision.
Lesehinweise zu multimodalen großen Sprachmodellen, großen Sprachmodellen und Diffusionsmodellen
:smiley_cat: Hübsche & einfache Vorlage für eine Image-Classifier-App. Bereitstellen Ihres eigenen trainierten Modells oder vortrainierten Modells (VGG, ResNet, DenseNet) als Web-App mit Flask in 10 Minuten.
Videos, Notizen und Experimente zum Verständnis von Deep Learning
Hochleistungs-Tracking mehrerer Objekte basierend auf YOLO, Deep SORT und KLT 🚀
Ein vollständiger, strukturierter Hub zum Erlernen Künstlicher Intelligenz — abdeckend KI, maschinelles Lernen, Deep Learning und Data Science mit Büchern, Roadmaps und kuratierten Ressourcen vom Anfänger bis zum Fortgeschrittenen.
:basketball::robot::basketball: KI-Web-App und API zur Analyse von Basketballschüssen und Wurfposen.
Eine einfache Methode zur Durchführung von halbüberwachtem Lernen mit begrenzten Daten.
„Deep Learning von Grund auf 2“ (O'Reilly Japan, 2018)
Ein out-of-the-box Human-Parsing-Repräsentations-Extraktor.
Ressourcen für die Phasenerholung (auch Phasenbildgebung, Phasenextraktion oder Phasenrekonstruktion genannt)
Ein flexibles und erweiterbares Framework für die Gangerkennung. Mit Hilfe von OpenGait können Sie sich auf die Entwicklung Ihrer eigenen Modelle konzentrieren und einfach mit State-of-the-Arts vergleichen.
DeepRec ist ein leistungsstarkes Deep-Learning-Framework für Empfehlungen, das auf TensorFlow basiert. Es wird in der Inkubation der LF AI & Data Foundation gehostet.
Variational Autoencoder implementiert in TensorFlow und PyTorch (einschließlich inverser autoregressiver Fluss)
Schnelle Audio-Datenerweiterung in PyTorch. Inspiriert von audiomentations. Nützlich für Deep Learning.
[ICLR24] Offizielle Implementierung des Papers „MagicDrive: Erzeugung von Straßenszenen mit vielfältiger Steuerung der 3D-Geometrie“
Ein sich selbst erlernendes Tutorial für CUDA High Performance Programming.