#deep-learning Repositories
Insgesamt 2,273 Repositories
Das Open-Source-Projekt von Python: „Der Weg zum Erlernen der Programmierung“ – ein Nanny-Level-Tutorial: KI-Labor, Schatzvideos, Datenstrukturen, Lernleitfaden, praktische Anwendung von maschinellem Lernen, praktische Anwendung von tiefem Lernen, Web-Scraping, Interviews bei großen Unternehmen, Programmiererleben, Ressourcenteilung.
PyTorch-Implementierung des U-Net für die semantische Segmentierung von Bildern mit hochwertigen Bildern
Beispiel-📓 Jupyter-Notebooks, die zeigen, wie man Machine-Learning-Modelle mit 🧠 Amazon SageMaker erstellt, trainiert und bereitstellt.
X-AnyLabeling: Eine schlanke, effiziente und einheitliche plattformübergreifende Desktop-Anwendung zur Annotation von Texten, Bildern, Videos, Punktwolken und multimodalen Daten. Sie kombiniert vielseitige integrierte Werkzeuge mit modernsten KI-Modellen und flexiblen Exportmöglichkeiten in mehreren Formaten.
[CVPR 2024] Offizielles Repository für „MagicAnimate: Temporally Consistent Human Image Animation using Diffusion Model“
Die KI-Compute-Plattform für Spitzenteams. SkyPilot verwandelt fragmentierte KI-Rechenleistung in einen KI-Supercomputer, sodass Spitzenteams schneller maßgeschneiderte Intelligenz entwickeln.
Implementierung des Denoising Diffusion Probabilistic Model in Pytorch
Hochwertige Single-File-Implementierung von Deep-Reinforcement-Learning-Algorithmen mit forschungsfreundlichen Features (PPO, DQN, C51, DDPG, TD3, SAC, PPG)
Kostenloses Online-Lehrbuch mit Jupyter-Notebooks für den fast.ai-Kurs Computational Linear Algebra
PyTorch-Implementierung von YOLOv3, YOLOv3-SPP und YOLOv3-tiny für Echtzeit-Objekterkennung mit Training, Validierung, Inferenz und Export in verschiedene Formate.
Manga/Bilder übersetzen – Text in allen möglichen Bildern mit einem Klick übersetzen https://cotrans.touhou.ai/ https://greasyfork.org/en/scripts/437569-cotrans-manga-image-translator-regular-edition
YOLOX ist ein leistungsstarkes ankerfreies YOLO, das yolov3~v5 übertrifft und von MegEngine, ONNX, TensorRT, ncnn und OpenVINO unterstützt wird. Dokumentation: https://yolox.readthedocs.io/
Tutorials, Aufgaben und Wettbewerbe für Kurse im Zusammenhang mit MIT Deep Learning.
Meine kontinuierlich aktualisierten Notizen und Demos zu Machine Learning, probabilistischen Modellen und Deep Learning (2000+ Folien) Meine ununterbrochen aktualisierten Vorlesungsmaterialien zu Machine Learning, probabilistischen Modellen und Deep Learning (2000+ Seiten) und Video-Links
Techniken für Deep Learning mit Satelliten- und Luftbildern
Eine Python-Bibliothek zur Anomalieerkennung in tabellarischen Daten, Zeitreihen, Graphen, Texten, Bildern und Audiodaten. Enthält über 60 Detektoren, eine benchmark-gestützte ADEngine-Orchestrierung und einen agentenbasierten Workflow für KI-Agenten.
Datenwissenschaft an Daten durchführen, die auf dem Server einer anderen Person verbleiben
Umfassender Leitfaden für Vorstellungsgespräche zu generativer KI, agentischer KI, multimodaler KI und physischer KI. Eine bewährte Formel für mehrere Jobangebote von FAANG-Unternehmen und mehr
🦙 LaMa Image Inpainting, Auflösungsrobuste Inpainting mit großen Masken durch Fourier-Faltungen, WACV 2022
LLMs zu Hause ausführen, im BitTorrent-Stil. Fine-Tuning und Inferenz bis zu 10x schneller als beim Offloading.
Best Practices, Code-Beispiele und Dokumentation für Computer Vision.
Eine Sammlung von Tutorials zu hochmodernen Computer-Vision-Modellen und -Techniken. Entdecken Sie alles von grundlegenden Architekturen wie ResNet bis hin zu Spitzenmodellen wie RF-DETR, YOLO11, SAM 3 und Qwen3-VL.
Extraktion von Hardsubtiteln aus Videos, Erstellung von SRT-Dateien. Keine Notwendigkeit, Drittanbieter-APIs zu beantragen, lokale Realisierung der Texterkennung. Ein auf Deep Learning basierendes Framework zur Extraktion von Videountertiteln, das die Erkennung von Untertitelbereichen und die Extraktion von Untertitelinhalten umfasst. Ein GUI-Tool zum Extrahieren fest codierter Untertitel (Hardsub) aus Videos und zum Generieren von SRT-Dateien.
Flexible und leistungsstarke Tensor-Operationen für lesbaren und zuverlässigen Code (für PyTorch, JAX, TF und andere)
Eine Python-Bibliothek für benutzerfreundliche Prognosen und Anomalieerkennung in Zeitreihen.
Der Code für unsere neu akzeptierte Arbeit in Pattern Recognition 2020: "U^2-Net: Going Deeper with Nested U-Structure for Salient Object Detection."
Eine PyTorch-Implementierung des Transformer-Modells aus „Attention is All You Need“.
OneFlow ist ein Deep-Learning-Framework, das benutzerfreundlich, skalierbar und effizient gestaltet ist.
so-vits-svc-Fork mit Echtzeitunterstützung, verbesserter Benutzeroberfläche und mehr Funktionen.
Deeplake ist eine AI Data Runtime für Agents. Sie bietet serverlosen Postgres mit einem multimodalen Datalake, der skalierbare Retrieval- und Training-Funktionen ermöglicht.
(⌐■_■) - Deep Reinforcement Learning zur Instrumentierung von bettercap für WiFi-Pwning.
Robust Video Matting in PyTorch, TensorFlow, TensorFlow.js, ONNX, CoreML!
Transformer visuell erklärt: Erfahren Sie, wie LLM-Transformer-Modelle mit interaktiven Visualisierungen funktionieren
Hello AI World: Leitfaden zum Bereitstellen von Deep-Learning-Inferenznetzwerken und Deep-Vision-Primitiven mit TensorRT und NVIDIA Jetson.
Eine Sammlung von Beispielen und Tutorials zum maschinellen Lernen.
Der einfachste Weg, AI-Apps und -Modelle zu hosten - Erstellen Sie Model Inference APIs, Job-Warteschlangen, LLM-Apps, Multi-Model-Pipelines und mehr!