#deep-learning Repositories
Insgesamt 2,273 Repositories
Hervorragende Arbeiten zum maschinellen Lernen (Deep Learning) auf dynamischen (zeitlichen) Graphen (Netzwerken / Wissensgraphen).
Beispiel für die Vorhersage mehrerer multivariater Zeitreihen mit LSTM-Rekurrenten neuronalen Netzwerken in Python mit Keras.
BiomedGPT: Ein allgemeines Vision-Language Basismodell für diverse biomedizinische Aufgaben
Cookiecutter-Vorlage für FastAPI-Projekte mit: Machine Learning, uv, GitHub Actions und Pytests
Minimales Seq2Seq-Modell mit Attention für neuronale maschinelle Übersetzung in PyTorch
(IJCV2024 & ICCV2023) LSKNet: Ein grundlegendes leichtgewichtiges Backbone für die Fernerkundung
Ein PyTorch-Port von google-research/google-research/robust_loss/
【CVPR 2025 Highlight】MonSter: Monodepth mit Stereo vereinen entfesselt Leistung
Code für hands-on unüberwachtes Lernen mit Python (O'Reilly Media)
Eine Full Stack ML (Machine Learning) Roadmap beinhaltet das Erlernen der notwendigen Fähigkeiten und Technologien, um in allen Aspekten des maschinellen Lernens versiert zu werden, einschließlich Datenerfassung und -vorverarbeitung, Modellentwicklung, Bereitstellung und Wartung.
Reproduktion des Papiers von Yann LeCun aus dem Jahr 1989 mit dem Titel "Backpropagation Applied to Handwritten Zip Code Recognition", meines Wissens die früheste reale Anwendung eines neuronalen Netzes, das mit Backpropagation trainiert wurde.
Dataset Management Framework, eine Python-Bibliothek und ein CLI-Tool zum Erstellen, Analysieren und Verwalten von Computer-Vision-Datensätzen.
Dynamische neuronale Strahlungsfelder für die monokulare 4D-Gesichtsavatarrrekonstruktion
Code für "Adversarial Motion Priors Make Good Substitutes for Complex Reward Functions"
Dieses Repository enthält die meisten Implementierungen klassischer Deep Reinforcement Learning-Algorithmen von PyTorch, darunter - DQN, DDQN, Dueling Network, DDPG, SAC, A2C, PPO, TRPO. (Weitere Algorithmen sind in Arbeit)
Deep Learning on Flink zielt darauf ab, Flink und Deep-Learning-Frameworks (z. B. TensorFlow, PyTorch usw.) zu integrieren, um verteiltes Deep-Learning-Training und -Inference auf einem Flink-Cluster zu ermöglichen.
[ECCV 2024] InstructIR: Hochwertige Bildwiederherstellung nach menschlichen Anweisungen https://huggingface.co/spaces/marcosv/InstructIR
Das Repository für "Distill Any Depth: Distillation Creates a Stronger Monocular Depth Estimator"
LSD (LiDAR SLAM & Detection) ist eine Open-Source-Wahrnehmungsarchitektur für autonome Fahrzeuge/Roboter
Artikel, Code und Datensätze zu Deep Learning für die 3D-Objekterkennung.
Fabric for Deep Learning (FfDL, ausgesprochen fiddle) ist eine Deep-Learning-Plattform, die TensorFlow, Caffe, PyTorch usw. als Service auf Kubernetes anbietet.
Vorhersage von Aktienkursen mit einem TensorFlow LSTM (Long Short-Term Memory) neuronalen Netzwerk für Zeitreihenvorhersagen
BlendedMVS: Ein großangelegtes Dataset für generalisierte Multi-View-Stereo-Netzwerke
[NeurlPS2024] Ein-Schritt-effektives Diffusionsnetzwerk für reale Bildsuperauflösung
Open-Weights-Sprachmodell von Google DeepMind, basierend auf Griffin.
[CVPR 2022] Vortraining von 3D-Punktwolken-Transformatoren mit maskiertem Punktmodellierungsverfahren
ML-capsule ist ein Projekt für Anfänger und erfahrene Data-Science-Enthusiasten, die keinen Mentor oder keine Anleitung haben und Machine Learning lernen möchten. Mit unserem Repository können sie ML, DL und viele verwandte Technologien anhand verschiedener realer Projekte erlernen und sich auf Vorstellungsgespräche vorbereiten.
SiLK (Simple Learned Keypoint) ist ein selbstüberwachtes Deep-Learning-Keypoint-Modell.
OmniVinci ist ein omnimodales LLM zum gemeinsamen Verständnis von Sehen (Vision), Audio und Sprache.
Zweistufige, leichte und hochperformante Kennzeichen-Erkennung mit MTCNN und LPRNet