Git Stars Git Stars

#deep-neural-networks Repositories

103
Gesamtzahl der Repositories
645,526
Gesamtanzahl der Sterne
6,267
Durchschnittliche Sterne/Repo

Insgesamt 103 Repositories

51
amrzv/awesome-colab-notebooks

Sammlung von Google Colaboratory Notebooks für schnelle und einfache Experimente

amrzv
⭐ 1,672 Python 👤 amrzv User 🕐 Aktualisiert 2026-11-15 📅 Erstellt 2020-12-27
52
InterDigitalInc/CompressAI

Eine PyTorch-Bibliothek und Evaluierungsplattform für End-to-End-Kompressionsforschung

InterDigitalInc
⭐ 1,661 Python 👤 InterDigitalInc Organization 🕐 Aktualisiert 2026-10-29 📅 Erstellt 2020-06-23
53
mrsaeeddev/free-ai-resources

🚀 KOSTENLOSE KI-Ressourcen - 🎓 Kurse, 👷 Jobs, 📝 Blogs, 🔬 KI-Forschung und vieles mehr - für alle!

mrsaeeddev
⭐ 1,659 👤 mrsaeeddev User 🕐 Aktualisiert 2024-05-29 📅 Erstellt 2020-07-14
54
amitshekhariitbhu/AndroidTensorFlowMachineLearningExample

Android TensorFlow Machine Learning Beispiel (TensorFlow für Android erstellen)

amitshekhariitbhu
⭐ 1,441 Java 👤 amitshekhariitbhu User 🕐 Aktualisiert 2025-05-02 📅 Erstellt 2017-03-06
55
yangyanli/PointCNN

PointCNN: Convolution über X-transformierte Punkte (NeurIPS 2018)

yangyanli
⭐ 1,436 Python 👤 yangyanli User 🕐 Aktualisiert 2026-03-12 📅 Erstellt 2017-08-22
56
MIC-DKFZ/medicaldetectiontoolkit

Das Medical Detection Toolkit enthält 2D + 3D-Implementierungen gängiger Objekterkenner wie Mask R-CNN, Retina Net, Retina U-Net sowie ein Trainings- und Inferenz-Framework, das sich auf den Umgang mit medizinischen Bildern konzentriert.

MIC-DKFZ
⭐ 1,344 Python 👤 MIC-DKFZ Organization 🕐 Aktualisiert 2024-06-17 📅 Erstellt 2018-10-12
57
ahmetozlu/tensorflow_object_counting_api

🚀 Die TensorFlow Object Counting API ist ein Open-Source-Framework, das auf TensorFlow und Keras aufbaut und die Entwicklung von Objektzählsystemen erleichtert!

ahmetozlu
⭐ 1,333 Python 👤 ahmetozlu User 🕐 Aktualisiert 2024-08-30 📅 Erstellt 2018-06-28
58
onnx/onnx-tensorflow

TensorFlow-Backend für ONNX

onnx
⭐ 1,328 Python 👤 onnx Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2017-10-05
59
fahadshamshad/awesome-transformers-in-medical-imaging

Eine Sammlung von Ressourcen zu Anwendungen von Transformatoren in der medizinischen Bildgebung.

fahadshamshad
⭐ 1,298 👤 fahadshamshad User 🕐 Aktualisiert 2026-06-21 📅 Erstellt 2021-12-03
60
pfnet/pfrl

PFRL: eine auf PyTorch basierende Deep Reinforcement Learning-Bibliothek

pfnet
⭐ 1,279 Python 👤 pfnet Organization 🕐 Aktualisiert 2026-03-02 📅 Erstellt 2020-06-24
61
awslabs/sockeye

Sequence-to-Sequence-Framework mit Schwerpunkt auf Neural Machine Translation basierend auf PyTorch

awslabs
⭐ 1,217 Python 👤 awslabs Organization 🕐 Aktualisiert 2024-10-24 📅 Erstellt 2017-06-08
62
jaanli/variational-autoencoder

Variational Autoencoder implementiert in TensorFlow und PyTorch (einschließlich inverser autoregressiver Fluss)

jaanli
⭐ 1,182 Python 👤 jaanli User 🕐 Aktualisiert 2024-04-24 📅 Erstellt 2016-08-15
63
kennethleungty/Neural-Network-Architecture-Diagrams

Diagramme zur Visualisierung der Architektur neuronaler Netze

kennethleungty
⭐ 1,124 👤 kennethleungty User 🕐 Aktualisiert 2025-04-12 📅 Erstellt 2021-08-20
64
ethanhe42/channel-pruning

Kanal-Pruning zur Beschleunigung sehr tiefer neuronaler Netzwerke (ICCV'17)

ethanhe42
⭐ 1,086 Python 👤 ethanhe42 User 🕐 Aktualisiert 2024-05-02 📅 Erstellt 2017-08-21
65
DSE-MSU/DeepRobust

Eine PyTorch-Adversarial-Bibliothek für Angriffs- und Verteidigungsmethoden auf Bildern und Graphen

DSE-MSU
⭐ 1,085 Python 👤 DSE-MSU User 🕐 Aktualisiert 2025-06-26 📅 Erstellt 2019-09-21
66
GANs-in-Action/gans-in-action

Begleit-Repository zu GANs in Action: Deep Learning mit Generative Adversarial Networks

GANs-in-Action
⭐ 1,033 Jupyter Notebook 👤 GANs-in-Action Organization 🕐 Aktualisiert 2025-07-23 📅 Erstellt 2018-08-03
67
NVlabs/DoRA

[ICML2024 (Oral)] Offizielle PyTorch-Implementierung von DoRA: Gewichtsdekomponierte Low-Rank-Adaption

NVlabs
⭐ 1,007 Python 👤 NVlabs Organization 🕐 Aktualisiert 2026-03-24 📅 Erstellt 2024-04-11
68
PAIR-code/saliency

Framework-unabhängige Implementierung für State-of-the-Art-Saliency-Methoden (XRAI, BlurIG, SmoothGrad und mehr).

PAIR-code
⭐ 989 Jupyter Notebook 👤 PAIR-code Organization 🕐 Aktualisiert 2024-03-20 📅 Erstellt 2017-06-09
70
Tiramisu-Compiler/tiramisu

Ein polyedrischer Compiler für das Ausdrücken schneller und portabler datenparalleler Algorithmen

Tiramisu-Compiler
⭐ 963 C++ 👤 Tiramisu-Compiler Organization 🕐 Aktualisiert 2026-07-21 📅 Erstellt 2016-05-09
71
codebasics/deep-learning-keras-tf-tutorial

Lernen Sie Deep Learning mit Tensorflow 2.0, Keras und Python in dieser umfassenden Deep Learning Tutorial-Reihe. Lernen Sie Deep Learning von Grund auf. Deep Learning-Reihe für Anfänger. Tensorflow-Tutorials, Tensorflow 2.0-Tutorial. Deep Learning-Tutorial Python.

codebasics
⭐ 962 Jupyter Notebook 👤 codebasics Organization 🕐 Aktualisiert 2024-06-24 📅 Erstellt 2021-01-05
72
MingSun-Tse/Efficient-Deep-Learning

Sammlung aktueller Methoden zur Kompression und Beschleunigung von (tiefen) neuronalen Netzwerken.

MingSun-Tse
⭐ 954 👤 MingSun-Tse User 🕐 Aktualisiert 2025-04-04 📅 Erstellt 2018-09-16
73
andyzoujm/representation-engineering

Repräsentations-Engineering: Ein Top-Down-Ansatz für KI-Transparenz

andyzoujm
⭐ 931 Jupyter Notebook 👤 andyzoujm User 🕐 Aktualisiert 2024-08-14 📅 Erstellt 2023-09-26
74
autowarefoundation/vision_pilot

Kostenloser und vollständig quelloffener L2-ADAS-Stack, angetrieben durch End-to-End-KI-Technologie

autowarefoundation
⭐ 928 C++ 👤 autowarefoundation Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2024-09-24
75
tensorflow/compression

Datenkompression in TensorFlow

tensorflow
⭐ 923 Python 👤 tensorflow Organization 🕐 Aktualisiert 2026-04-17 📅 Erstellt 2018-05-15
76
yoeo/guesslang

Erkenne die Programmiersprache eines Quellcodes

yoeo
⭐ 883 Python 👤 yoeo User 🕐 Aktualisiert 2024-03-04 📅 Erstellt 2017-05-21
77
alibaba/TinyNeuralNetwork

TinyNeuralNetwork ist ein effizientes und einfach zu bedienendes Framework für die Komprimierung von Deep-Learning-Modellen.

alibaba
⭐ 881 Python 👤 alibaba Organization 🕐 Aktualisiert 2026-03-03 📅 Erstellt 2021-11-02
78
thuml/awesome-multi-task-learning

Eine kuratierte Liste von DATASETS, CODEBASES und PAPERS zu Multi-Task Learning (MTL) aus der Perspektive des Machine Learning.

thuml
⭐ 843 👤 thuml Organization 🕐 Aktualisiert 2026-03-03 📅 Erstellt 2021-03-05
79
ENSTA-U2IS-AI/awesome-uncertainty-deeplearning

Dieses Repository enthält eine Sammlung von Umfragen, Datensätzen, Arbeiten und Codes zur Schätzung der prädiktiven Unsicherheit in Deep-Learning-Modellen.

ENSTA-U2IS-AI
⭐ 829 👤 ENSTA-U2IS-AI Organization 🕐 Aktualisiert 2026-10-20 📅 Erstellt 2022-01-06
80
deepgram/kur

Beschreibendes Deep Learning

deepgram
⭐ 823 Python 👤 deepgram Organization 🕐 Aktualisiert 2024-02-05 📅 Erstellt 2016-11-19
81
amitshekhariitbhu/Android-TensorFlow-Lite-Example

Android TensorFlow Lite Maschinelles Lernen Beispiel

amitshekhariitbhu
⭐ 772 Java 👤 amitshekhariitbhu User 🕐 Aktualisiert 2025-05-02 📅 Erstellt 2018-03-17
82
ThoughtWorksInc/DeepLearning.scala

Eine einfache Bibliothek zum Erstellen komplexer neuronaler Netze

ThoughtWorksInc
⭐ 772 Scala 👤 ThoughtWorksInc Organization 🕐 Aktualisiert 2024-07-30 📅 Erstellt 2016-11-21
83
harshbg/Sign-Language-Interpreter-using-Deep-Learning

Ein Gebärdensprach-Interpreter, der den Live-Video-Feed von der Kamera verwendet.

harshbg
⭐ 771 Python 👤 harshbg User 🕐 Aktualisiert 2025-09-09 📅 Erstellt 2019-04-08
84
itdxer/neupy

NeuPy ist eine auf TensorFlow basierende Python-Bibliothek für das Prototyping und den Aufbau neuronaler Netze.

itdxer
⭐ 735 Python 👤 itdxer User 🕐 Aktualisiert 2024-11-18 📅 Erstellt 2015-08-24
85
intel/ai-reference-models

Intel® AI Reference Models: Enthält Intel-Optimierungen für das Ausführen von Deep-Learning-Workloads auf Intel® Xeon® Scalable-Prozessoren und Intel® Data Center GPUs

intel
⭐ 728 Python 👤 intel Organization 🕐 Aktualisiert 2026-02-11 📅 Erstellt 2018-10-23
86
weijiaheng/Advances-in-Label-Noise-Learning

Eine kuratierte (aktuellste) Liste von Ressourcen zum Lernen mit verrauschten Labels

weijiaheng
⭐ 717 👤 weijiaheng User 🕐 Aktualisiert 2024-10-18 📅 Erstellt 2021-04-14
87
umbertogriffo/Predictive-Maintenance-using-LSTM

Beispiel für die Vorhersage mehrerer multivariater Zeitreihen mit LSTM-Rekurrenten neuronalen Netzwerken in Python mit Keras.

umbertogriffo
⭐ 710 Python 👤 umbertogriffo User 🕐 Aktualisiert 2024-02-12 📅 Erstellt 2017-09-05
88
Picovoice/speech-to-text-benchmark

Speech-to-Text-Benchmark-Framework

Picovoice
⭐ 700 Python 👤 Picovoice Organization 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2018-08-04
89
vvincenttttt/Awesome-3D-Object-Detection

Artikel, Code und Datensätze zu Deep Learning für die 3D-Objekterkennung.

vvincenttttt
⭐ 692 👤 vvincenttttt User 🕐 Aktualisiert 2025-09-17 📅 Erstellt 2022-03-01
90
IBM/FfDL

Fabric for Deep Learning (FfDL, ausgesprochen fiddle) ist eine Deep-Learning-Plattform, die TensorFlow, Caffe, PyTorch usw. als Service auf Kubernetes anbietet.

IBM
⭐ 691 Go 👤 IBM Organization 🕐 Aktualisiert 2025-09-17 📅 Erstellt 2018-02-07
91
JordiCorbilla/stock-prediction-deep-neural-learning

Vorhersage von Aktienkursen mit einem TensorFlow LSTM (Long Short-Term Memory) neuronalen Netzwerk für Zeitreihenvorhersagen

JordiCorbilla
⭐ 690 Python 👤 JordiCorbilla User 🕐 Aktualisiert 2026-11-01 📅 Erstellt 2020-07-01
92
Niketkumardheeryan/ML-CaPsule

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.

Niketkumardheeryan
⭐ 686 Jupyter Notebook 👤 Niketkumardheeryan User 🕐 Aktualisiert 2026-09-16 📅 Erstellt 2020-09-01
93
IntelLabs/bayesian-torch

Eine Bibliothek für bayesche neuronale Netzwerkschichten und Unsicherheitsschätzung im Deep Learning, die den Kern von PyTorch erweitert

IntelLabs
⭐ 641 Python 👤 IntelLabs Organization 🕐 Aktualisiert 2025-04-17 📅 Erstellt 2020-12-17
94
kochlisGit/ProphitBet-Soccer-Bets-Predictor

ProphitBet ist eine Anwendung zur Vorhersage von Fußballwetten auf Basis maschinellen Lernens. Sie analysiert die Form der Teams, berechnet Spielstatistiken und sagt mithilfe fortschrittlicher Methoden des maschinellen Lernens (ML) die Spielergebnisse voraus. Außerdem bietet sie Wettagenten auf Basis von Deep Reinforcement Learning (DRL), die optimale Wettstrategien erlernen können.

kochlisGit
⭐ 606 Python 👤 kochlisGit User 🕐 Aktualisiert 2026-10-27 📅 Erstellt 2022-03-18
95
MMMU-Benchmark/MMMU

Dieses Repository enthält den Evaluierungscode für das Paper „MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI“

MMMU-Benchmark
⭐ 601 Python 👤 MMMU-Benchmark Organization 🕐 Aktualisiert 2026-11-13 📅 Erstellt 2023-11-23
96
Danial-Kord/DigiHuman

Automatische 3D-Charakteranimation unter Verwendung von Pose-Schätzung und Landmark-Erzeugungstechniken

Danial-Kord
⭐ 593 C# 👤 Danial-Kord User 🕐 Aktualisiert 2026-05-05 📅 Erstellt 2022-02-03
97
microsoft/MS-SNSD

Der Microsoft Scalable Noisy Speech Dataset (MS-SNSD) ist ein verrauschter Sprachdatensatz, der je nach Anzahl der Sprecher, Geräuschart und gewünschtem Signal-Rausch-Verhältnis (SNR) auf beliebige Größen skalierbar ist.

microsoft
⭐ 573 HTML 👤 microsoft Organization 🕐 Aktualisiert 2024-07-01 📅 Erstellt 2019-08-26
98
Mohamedelrefaie/DrivAerNet

Ein großangelegter multimodaler Fahrzeugdatensatz mit Computational-Fluid-Dynamics-Simulationen und Deep-Learning-Benchmarks

Mohamedelrefaie
⭐ 559 Python 👤 Mohamedelrefaie User 🕐 Aktualisiert 2026-05-14 📅 Erstellt 2024-03-04
99
sparkfish/augraphy

Erweiterungs-Pipeline für das Rendern von Prozessen zur synthetischen Papierdruck, Fax, Scannen und Kopieren

sparkfish
⭐ 559 Python 👤 sparkfish Organization 🕐 Aktualisiert 2025-07-20 📅 Erstellt 2021-05-31
100
tomcat123a/-chanlun

Datei '笔和线段的一种划分.py', Sie müssen nur die K-Linien-Hoch- und Tiefdaten eingeben, um automatisch die Aufteilung in Pinsel, Liniensegmente, Zentrum, Kauf- und Verkaufspunkte sowie Trendtypen zu realisieren. Sie können sh.csv als Eingabedatei verwenden. Lebenslauf siehe.pdf. Die Kraft der Zeit. Manche sagen, die Markttiming sei sehr schwierig, andere sagen, die Aktienauswahl sei einfach, wieder andere sagen, dass die IT-Infrastruktur für statistische Arbitrage sehr wichtig sei. Und einige sagen, das System habe unvorhersehbare Prinzipien. Die Meinungen sind geteilt. Ein verteiltes System – wenn dein Einfluss vernachlässigbar ist, kannst du es nur realisieren, was der Vorsitzende Jiang so meinte: Leise reich werden. In der ersten Woche fiel der Markt um 1 %, aber ich habe 10.000 verdient, einen Gewinn von 5 %. #Aktien #Börse #Chan-Lun https://v.kuaishou.com/bFEl6M Kopieren Sie diese Nachricht und öffnen Sie 【Kwai】, um anzusehen!

tomcat123a
⭐ 551 Python 👤 tomcat123a User 🕐 Aktualisiert 2024-04-02 📅 Erstellt 2018-12-09