#deep-learning Repositories
Insgesamt 2,273 Repositories
Ein Framework zur Verwendung von LSTMs zur Erkennung von Anomalien in multivariaten Zeitreihendaten. Enthält Anomaliedaten von Raumfahrzeugen und Experimente aus den Missionen Mars Science Laboratory und SMAP.
Ein Python-Framework für die Bewertung von Sequenzkennzeichnung (Named-Entity-Erkennung, POS-Tagging usw...)
[NeurIPS 2020] Offizieller Code für die Arbeit „DeepSVG: A Hierarchical Generative Network for Vector Graphics Animation“. Enthält eine PyTorch-Bibliothek für Deep Learning mit SVG-Daten.
PyTorch – FID-Berechnung mit ordnungsgemäßer Bildgrößenänderung und Quantisierungsschritten [CVPR 2022]
:books: Eine Sammlung von Deep-Learning-basierten Papieren zur Bild- und Video-Colorization.
Werkzeuge für die Verarbeitung multimodaler Daten in Machine-Learning-Projekten.
OpenSTL: Ein umfassender Benchmark für spatio-temporales vorausschauendes Lernen
[CVPR2023] Das offizielle Repository für OC-SORT: Observation-Centric SORT für Video-Mehrfachobjektverfolgung. OC-SORT ist einfach, online und robust gegenüber Okklusion/nichtlinearer Bewegung.
Schnelle differenzierbare Tensorbibliothek in JavaScript und TypeScript mit Bun + Flashlight
[ICLR 2025 Oral] TANGO: Co-Speech-Gesten-Video-Reenactment mit hierarchischer Audio-Bewegungs-Einbettung und Diffusionsinterpolation
PyTorch-Implementierung von AudioLCM (ACM-MM'24): eine effiziente und qualitativ hochwertige Text-zu-Audio-Generierung mit latentem Konsistenzmodell.
Eine Deep-Learning-Bibliothek für die Klassifizierung von EEG-Aufgaben (Signalen), basierend auf TensorFlow.
[CoRL 2024] Open-TeleVision: Teleoperation mit immersivem aktivem visuellem Feedback
NVTabular ist eine Bibliothek für Feature Engineering und Vorverarbeitung von tabellarischen Daten, die entwickelt wurde, um Terabyte-große Datensätze schnell und einfach zu manipulieren, die zum Trainieren von Deep-Learning-basierten Empfehlungssystemen verwendet werden.
Plug-and-Play-Implementierung eines Sprachmodells. Ermöglicht die Steuerung von Themen und Attributen von GPT-2-Modellen.
Machine Learning/Tiefes Lernen/Python/Go-Sprache Vorstellungsgesprächsfragen und Schriftliche Prüfungen (Machine learning Deep Learning Python and Golang Interview Questions)
Sammlung von Webressourcen zu maschinellem Lernen und Deep Learning (Ressourcen zum maschinellen Lernen)
[IJCV] Show-1: Pixel- und Latent-Diffusionsmodelle für die Text-zu-Video-Generierung heiraten
Offizielle PyTorch-Implementierung von "VITON-HD: High-Resolution Virtual Try-On via Misalignment-Aware Normalization" (CVPR 2021)
🔥 Ein autonomer KI-Agent, der deine Deep-Learning-Experimente 24/7 ausführt, während du schläfst. Kostenloses Monitoring, Leader-Worker-Architektur, konstant große Speicher.
RynnVLA-002: Ein einheitliches Weltmodell für Vision-Language-Action
Eine Werkzeugkiste für kompositionelle Operationen für die gradientenbasierte Bi-Level-Optimierung
APISR: Anime-Produktion-inspirierte realweltliche Anime-Super-Resolution (CVPR 2024)
[NeurIPS 2023] MeZO: Fine-Tuning Language Models with Just Forward Passes. https://arxiv.org/abs/2305.17333
Allegro ist ein leistungsstarkes Text-zu-Video-Modell, das aus einfachen Texteingaben Videos von bis zu 6 Sekunden Länge mit 15 Bildern pro Sekunde und einer Auflösung von 720p generiert.
Eine leichtgewichtige Header-Only-Bibliothek für die Verwendung von Keras (TensorFlow)-Modellen in C++.
Formelerkennung und Office-Bearbeitung | Handschrift und PDF in LaTeX/Markdown umwandeln | Sichere API-Integrationen.
Eine Liste von Data-Science-/Maschinellem-Lernen-Ressourcen (meist kostenlos)
Diagramme zur Visualisierung der Architektur neuronaler Netze
JMLR: OmniSafe ist ein infrastrukturelles Framework zur Beschleunigung der SafeRL-Forschung.
🔥 CNN zur Wasserzeichenentfernung mit Deep Image Prior mit Pytorch 🔥.
DataDreamer: Anweisung. Synthetische Daten generieren. Modelle trainieren und ausrichten. 🤖💤