#keras Repositories
Entdecke 137 aktive Open-Source-GitHub-Repositories, die mit #keras getaggt sind und insgesamt 592,081 Sterne gesammelt haben (durchschnittlich 4,321 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist lutzroeder/netron mit 33,715 Sternen.
Insgesamt 137 Repositories
⛔️ VERSCHOBEN – Siehe https://github.com/ageron/handson-ml3 oder handson-mlp stattdessen.
Python-Notebooks für Data Science: Deep Learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, Big Data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, Python-Grundlagen, AWS und verschiedene Befehlszeilen.
Interaktives Deep-Learning-Buch mit Code für mehrere Frameworks, Mathematik und Diskussionen. An 500 Universitäten in 70 Ländern übernommen, darunter Stanford, MIT, Harvard und Cambridge.
Mask R-CNN für Objekterkennung und Instanzsegmentierung mit Keras und TensorFlow
ncnn ist ein Hochleistungs-Inferenz-Framework für neuronale Netze, optimiert für mobile Plattformen
Eine Rangliste von großartigen Machine-Learning-Python-Bibliotheken. Wöchentlich aktualisiert.
Ein neuronales Netzwerk, das ein Design-Mock-up in eine statische Website umwandelt.
Eine Reihe von Jupyter-Notebooks, die Sie durch die Grundlagen des maschinellen Lernens und des Deep Learnings in Python mit Scikit-Learn, Keras und TensorFlow 2 führen.
Künstliche Intelligenz Lernkarte, Zusammenstellung von fast 200 praktischen Fällen und Projekten, kostenlose Begleitbücher, Einstieg ohne Vorkenntnisse, berufliche Praxis! Enthalten: Python, Mathematik, Machine Learning, Data-Analyse, Deep Learning, Computer Vision, Natural Language Processing, PyTorch, tensorflow, machine-learning, deep-learning, data-analysis, data-mining, mathematics, data-science, artificial-intelligence, python, tensorflow, tensorflow2, caffe, keras, pytorch, algorithm, numpy, pandas, matplotlib, seaborn, nlp, cv usw. beliebte Bereiche
Die AI-Entwicklerplattform. Verwenden Sie Weights & Biases, um Modelle zu trainieren und feinabzustimmen und Modelle von der Experimentierphase bis zur Produktion zu verwalten.
Ein auf Deep Learning basierendes chinesisches Spracherkennungssystem
Ein Open-Source-Reinforcement-Learning-Framework zum Trainieren, Evaluieren und Bereitstellen robuster Trading-Agenten.
Stock AI Trader: eine Komplettplattform zum Lernen sowie für simulierten und Live-Handel. Behandelt werden Aktiengrundlagen, Strategien, große Sprachmodelle, Faktormining, maschinelles Lernen/Deep Learning/Reinforcement Learning, Graphennetzwerke, Hochfrequenzhandel, C++-Deployment und JoinQuant-Code.
MMdnn ist eine Sammlung von Tools, die Benutzern helfen, zwischen verschiedenen Deep-Learning-Frameworks zu interoperieren. Z. B. Modellkonvertierung und -visualisierung. Konvertieren von Modellen zwischen Caffe, Keras, MXNet, Tensorflow, CNTK, PyTorch, ONNX und CoreML.
T81-558: Keras - Anwendungen tiefer neuronaler Netze @Washington University in St. Louis
Echtzeit-Gesichtserkennung und Emotions-/Geschlechtsklassifikation mit fer2013/imdb-Datensätzen unter Verwendung eines Keras-CNN-Modells und OpenCV.
Tools zur Gestaltung oder Visualisierung der Architektur von Neuralen Netzwerken
Keras-Modell zur Generierung von HTML-Code aus handgezeichneten Website-Mockups. Implementiert eine Bildbeschreibungsarchitektur für gezeichnete Quellbilder.
Segmentierungs-Modelle mit vortrainierten Backbones. Keras und TensorFlow Keras.
Ein Repository zur Speicherung von Modellen, die zwischen verschiedenen Frameworks umgewandelt wurden. Unterstützte Frameworks sind TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite (Float32/16/INT8), EdgeTPU, CoreML.
In diesem Repository teile ich nützliche Notizen und Referenzen zum Bereitstellen von Deep-Learning-basierten Modellen in der Produktion.
Eine saubere Implementierung basierend auf AlphaZero für jedes Spiel in jedem Framework + Tutorial + Othello/Gobang/TicTacToe/Connect4 und mehr
🧠💬 Artikel, die ich über maschinelles Lernen geschrieben habe, archiviert von MachineCurve.com.
Open-Source-Hardware- und Software-Plattform zum Bau eines kleinmaßstäblichen selbstfahrenden Autos.
.NET Standard-Bindings für Googles TensorFlow zur Entwicklung, Schulung und Bereitstellung von Machine-Learning-Modellen in C# und F#.
Verzeichnis von Tutorials und Open-Source-Code-Repositories für die Arbeit mit Keras, der Python-Deep-Learning-Bibliothek
Determined ist eine Open-Source-Plattform für maschinelles Lernen, die verteiltes Training, Hyperparameter-Tuning, Experimentverfolgung und Ressourcenmanagement vereinfacht. Funktioniert mit PyTorch und TensorFlow.
Implementierung von Segnet, FCN, UNet, PSPNet und anderen Modellen in Keras.
Ein Python-Toolbox zum Erstellen von adversariellen Beispielen, die neuronale Netzwerke in PyTorch, TensorFlow und JAX täuschen
Deep Neural Network zum Extrahieren intelligenter Informationen aus Rechnungsunterlagen.
Häufig gestellte Fragen
Welches ist das beliebteste #keras-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#keras-Projekt auf GitHub ist lutzroeder/netron mit 33,715 Sternen. Visualisierer für neuronale Netze, Deep Learning und Machine-Learning-Modelle
Welche Programmiersprachen werden in #keras-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #keras-Projekten auf GitHub sind Python, Jupyter Notebook, JavaScript, C++ die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #keras-Repositories berechnet?
Wir verfolgen 137 aktive Open-Source-Repositories, die mit #keras getaggt sind (500+ Sterne), mit insgesamt 592,081 Sternen und durchschnittlich 4,321 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.