#deep-learning Repositories
Insgesamt 2,273 Repositories
TinyNeuralNetwork ist ein effizientes und einfach zu bedienendes Framework für die Komprimierung von Deep-Learning-Modellen.
Open-Source-Anleitungen/Codes zum Meistern des Deep Learning bis zur Bereitstellung von Deep Learning in der Produktion mit PyTorch, Python, Apptainer und mehr.
Sammlung wichtiger Artikel, die als Lehrbuch behandelt werden sollen
[CVPR 2024] Alpha-CLIP: Ein CLIP-Modell, das sich auf jeden beliebigen Punkt konzentriert
DiffWave ist ein schneller, hochwertiger neuronaler Vocoder und Wellenformsynthesizer.
[ICCV 2021 Oral] PoinTr: Vielfältige Punktwolken-Vervollständigung mit Geometrie-bewussten Transformatoren
[CVPR 2024 Oral] Neubetrachtung von induktiven Verzerrungen für die Oberflächennormalenschätzung
🔥Maschinelles Lernen/Tiefes Lernen/Python/Große Modelle/Multimodal/LLM/Tiefes Lernen/Python/Algorithmus-Interview/NLP-Tutorial
Das beste Repository, das zeigt, warum Transformer für Zeitreihenprognosen möglicherweise nicht die Antwort sind, und die besten SOTA-Nicht-Transformer-Modelle vorstellt.
Pythonisches Werkzeug zur Orchestrierung von Machine-Learning-/High-Performance-/Quantencomputing-Workflows in heterogenen Computerumgebungen.
Python Computer Vision & Video Analytics Framework mit Batterien im Lieferumfang enthalten
End-to-End-chinesische Spracherkennung basierend auf PaddlePaddle, vom Einstieg bis zur Praxis, super einfache Einstiegsbeispiele, super praktische Unternehmensprojekte. Unterstützt die derzeit beliebtesten Modelle DeepSpeech2, Conformer, Squeezeformer.
Ein Agnostisches Computer Vision Framework – Erweiterebar für jede Trainingsbibliothek: Fastai, Pytorch-Lightning und mehr werden folgen
Lerne Machine Learning nicht auswendig. Verstehe es von Grund auf – einschließlich Inferenz, CUDA, Deep Learning, Data Science und Reinforcement Learning.
[TMLR 2025] Thera: Aliasing-freie Super-Resolution beliebiger Skalierung mit neuronalen Wärmefeldern
Hervorragende Arbeit bei der Schätzung der 6 Freiheitsgrade von Objekten
[NeurIPS 2023] Offizielle Implementierung des Papers "Motion-X: A Large-scale 3D Expressive Whole-body Human Motion Dataset"
⚡ Ein neu entwickelter, ultraleichter, ankerfreier Zielerkennungsalgorithmus mit nur 250.000 Parametern, der die Verarbeitungszeit im Vergleich zu yolo-fastest um 10 % reduziert und eine einfachere Nachbearbeitung ermöglicht.
Confucius4-TTS: Eine mehrsprachige und sprachübergreifende Zero-Shot-TTS-Engine
(ACM TOMM) Dies ist das offizielle Code-Repository für "VM-UNet: Vision Mamba UNet für die medizinische Bildsegmentierung".
Transformer sind Stichprobeneffiziente Weltmodelle. ICLR 2023, bemerkenswerte Top 5%.
MiniGPT-4 Chinesische Bereitstellung Übersetzung Verfeinerung der Bereitstellungsdetails
Eine Paper-Liste zu Spiking Neural Networks (SNN), einschließlich Veröffentlichungen, Codes und zugehörigen Websites. Dieses Repository sammelt kontinuierlich Artikel und Codes von Spitzenkonferenzen, führenden Fachzeitschriften und CNS-Publikationen im Zusammenhang mit Spiking Neural Networks und wird ständig aktualisiert.
Deep Learning für Dummies. Alle praktischen Details und nützlichen Hilfsmittel, die für die Arbeit mit realen Modellen erforderlich sind.
Implementierung von MeshGPT, SOTA-Mesh-Generierung mittels Attention, in Pytorch
Dies ist ein komplettes Paket aktueller Deep-Learning-Methoden für 3D-Punktwolken in PyTorch (mit vortrainierten Modellen).
Github-Repository mit Tutorials zur Feinabstimmung von Transformatoren für verschiedene NLP-Aufgaben
DeepInverse: eine PyTorch-Bibliothek zum Lösen von Bildinversionsproblemen mithilfe von Deep Learning
Offizielle PyTorch-Implementierung von „Camera Distance-aware Top-down Approach for 3D Multi-person Pose Estimation from a Single RGB Image“, ICCV 2019
Die atomarste Methode, um ein GPT in reinem, abhängigkeitsfreiem C zu trainieren und zu inferieren
Autonomes Fahren Notizen, um Wissenspunkte der einzelnen Module zu analysieren und Branchenlösungen zu integrieren, um mir und anderen Lesern zu helfen; einschließlich Deep Learning, Self-Driving, BEV, Transformer, ADAS, CVPR, Tesla AI DAY, Large Models, chatgpt usw.
MLGB ist eine Bibliothek, die viele Modelle für CTR-Vorhersage und Empfehlungssysteme mit TensorFlow & PyTorch enthält. 「妙计包」 ist eine Bibliothek mit über 50 Deep-Learning-Modellen für Klickraten-Vorhersage und Empfehlungssysteme, die mit TensorFlow und PyTorch geschrieben wurde.
Ein erweiterbares (allgemeines) Framework für kontinuierliches Lernen basierend auf Pytorch - offizieller Code von Dark Experience für allgemeines kontinuierliches Lernen
[CVPR 2024] Offizielles Repository für "Gaussian Head Avatar: Ultra High-fidelity Head Avatar via Dynamic Gaussians"
Vom Groben zum Feinen: Robuste hierarchische Lokalisierung im großen Maßstab mit HF-Net (https://arxiv.org/abs/1812.03506)
Dies ist ein Projekt zum Trainieren von großen Sprachmodellen von Grund auf, einschließlich Vortraining, Fine-Tuning und direkter Präferenzoptimierung, wobei das Modell 1 Milliarde Parameter hat und Chinesisch und Englisch unterstützt.