#deep-learning Repositories
Insgesamt 2,273 Repositories
Das pytorch handbook ist ein Open-Source-Buch, das das Ziel hat, Freunden, die PyTorch für die Deep-Learning-Entwicklung und -Forschung nutzen möchten, einen schnellen Einstieg zu ermöglichen. Alle enthaltenen Pytorch-Tutorials wurden getestet und garantieren einen erfolgreichen Lauf.
Eine kuratierte Liste toller Open-Source-Bibliotheken zum Bereitstellen, Überwachen, Versionieren und Skalieren Ihres Machine Learning
Qwen3-VL ist die multimodale Large-Language-Model-Serie, die vom Qwen-Team von Alibaba Cloud entwickelt wurde.
Das Unity Machine Learning Agents Toolkit (ML-Agents) ist ein Open-Source-Projekt, das Spiele und Simulationen als Umgebungen für das Training intelligenter Agenten mit Deep Reinforcement Learning und Imitation Learning ermöglicht.
Qiu Xipengs „Neuronale Netze und Deep Learning“, zweite Auflage und allgemeinbildende Ausgabe: E-Book, Inhaltsverzeichnis, Lernressourcen und Errata.
ARIS ⚔️ (Auto-Research-In-Sleep) — Leichtgewichtige Markdown-only-Fähigkeiten für autonome ML-Forschung: Cross-Model-Review-Loops, Ideenentdeckung und Experimentautomatisierung. Kein Framework, kein Lock-in — funktioniert mit Claude Code, Codex, OpenClaw oder jedem LLM-Agenten.
Materialien für den Kurs "Learn PyTorch for Deep Learning: Zero to Mastery".
:book: Eine kuratierte Liste von Ressourcen, die sich der Natural Language Processing (NLP) widmen
Eine WebGL-beschleunigte JavaScript-Bibliothek zum Trainieren und Bereitstellen von ML-Modellen.
[🔥Aktualisierung ...] KI-gestützter automatischer quantitativer Handelsroboter (vollständig lokal bereitgestellt) KI-gestütztes quantitatives Investment Research Platform. 📃 Online-Dokumentation: https://ufund-me.github.io/Qbot ✨ :news: qbot-mini: https://github.com/Charmve/iQuant
🐫 KAMEL: Das erste und beste Framework für Multi-Agenten. Finden der Skalierungsgesetze von Agenten. https://www.camel-ai.org
Dieses Projekt umfasst die in Vorstellungsgesprächen zu Machine Learning (Maschinelles Lernen), Deep Learning (Tiefes Lernen) und NLP häufig abgefragten Wissenspunkte und Code-Implementierungen und ist auch ein Muss an theoretischem Grundwissen für einen Algorithmus-Ingenieur.
TensorFlow - Eine kuratierte Liste dedizierter Ressourcen http://tensorflow.org
Machine-Learning- und Deep-Learning-Tutorials, Artikel und andere Ressourcen
Code-Beispiele für mein Buch "Neural Networks and Deep Learning"
Open-Source-TTS-Modell auf dem neuesten Stand der Technik, das auf einer CPU läuft 😻
《Li Hongyi Deep Learning Tutorial》(Empfohlen von Professor Li Hongyi 👍, Apple Books 🍎), PDF-Download-Link: https://github.com/datawhalechina/leedl-tutorial/releases
Eine kuratierte Liste von Kursen, Büchern, Videovorlesungen und Arbeiten im Bereich Künstliche Intelligenz (KI).
Eine umfassende Liste von PyTorch-bezogenen Inhalten auf GitHub, wie verschiedene Modelle, Implementierungen, Hilfsbibliotheken, Tutorials usw.
OpenAI Baselines: hochwertige Implementierungen von Reinforcement-Learning-Algorithmen
MNN: Ein ultraschneller, leichter Inferenz-Engine, im Kampfeinsatz von Alibaba getestet, der hochperformante On-Device-LLMs und Edge-AI antreibt.
Ein neuronales Netzwerk, das ein Design-Mock-up in eine statische Website umwandelt.
pix2tex: Verwendung eines ViT zur Umwandlung von Gleichungsabbildungen in LaTeX-Code.
Bildannotation mit Python. Unterstützt Polygone, Rechtecke, Kreise, Linien, Punkte und KI-unterstützte Annotation.
Burn ist eine Tensorbibliothek der nächsten Generation und ein Deep-Learning-Framework, das keine Kompromisse bei Flexibilität, Effizienz und Portabilität eingeht.
Konvertieren Sie Dokumente mühelos in strukturierte Daten. Unstructured ist eine Open-Source-ETL-Lösung zur Umwandlung komplexer Dokumente in saubere, strukturierte Formate für Sprachmodelle. Besuchen Sie unsere Website, um mehr über unser Enterprise-Grade-Plattformprodukt für Produktions-Workflows, Partitionierung, Anreicherungen, Chunking und Embedding zu erfahren.
Offline-Sprachenerkennungs-API für Android, iOS, Raspberry Pi und Server mit Python, Java, C# und Node
Dieses Repository enthält den Quellcode für das Paper First Order Motion Model for Image Animation
RWKV (ausgesprochen RwaKuv) ist ein RNN mit großartiger LLM-Leistung, das auch direkt wie ein GPT-Transformer trainiert werden kann (parallelisierbar). Wir sind bei RWKV-7 "Goose". Es kombiniert also das Beste aus RNN und Transformer - großartige Leistung, lineare Zeit, konstanter Speicherplatz (kein kv-Cache), schnelles Training, unendliche ctx_len und kostenlose Satz-Einbettung.
Animate Anyone: Konsistente und steuerbare Bild-zu-Video-Synthese für die Charakteranimation
Ein Multi-Voice-TTS-System, das mit Schwerpunkt auf Qualität trainiert wurde