#keras Repositories
Insgesamt 137 Repositories
Meistern Sie die essenziellen Fähigkeiten, die benötigt werden, um komplexe reale Probleme mit Machine Learning und Deep Learning zu erkennen und zu lösen, indem Sie das hochpopuläre Python Machine Learning-Ökosystem nutzen.
🔎 Überwachen Sie das Training von Deep-Learning-Modellen und die Hardware-Nutzung von Ihrem Mobiltelefon 📱
PyTorch- und TensorFlow-Implementierung von NCP-, LTC- und CfC-Wired-Neural-Modellen
Advanced Deep Learning mit Keras, veröffentlicht von Packt
Trainieren Sie KI-Modelle effizient auf medizinischen Bildern mit jedem Framework
Neuronale Netzwerkdiagramme und Trainingsmetriken für PyTorch, Tensorflow und Keras.
🤖 Interaktive Machine-Learning-Experimente: 🏋️Modelle-Training + 🎨Modelle-Demo
Chinesische Langtextklassifikation, Kurzsatzkonstruktion, Multi-Label-Klassifikation, Ähnlichkeit zweier Sätze (Chinese Text Classification of Keras NLP, multi-label classify, or sentence classify, long or short), Vektor-Einbettungsschicht für Zeichen/Wörter/Sätze (embeddings) und Netzwerkschicht (graph) Konstruktionsbasisklasse, FastText, TextCNN, CharCNN, TextRNN, RCNN, DCNN, DPCNN, VDCNN, CRNN, Bert, Xlnet, Albert, Attention, DeepMoji, HAN, Kapselnetzwerk-CapsuleNet, Transformer-encode, Seq2seq, SWEM, LEAM, TextGCN
Ein Toolkit zur Optimierung von ML-Modellen für die Bereitstellung bei Keras und TensorFlow, einschließlich Quantisierung und Pruning.
Hochmodernes Deep-Learning-Modell zur Analyse von Sentiments, Emotionen, Sarkasmus usw.
Eine verpackte und flexible Version des CRAFT-Textdetektors und des Keras CRNN-Erkennungsmodells.
CREPE: Eine konvolutionale Repräsentation für die Tonhöhen-Schätzung -- vortrainiertes Modell (ICASSP 2018)
Eine kuratierte Liste von großartigen Deep Learning (DL)-Ressourcen für die Verarbeitung natürlicher Sprache (NLP)
Ein Toolbox, um Vorhersagen neuronaler Netze mit iNNvestigate zu untersuchen!
ktrain ist eine Python-Bibliothek, die Deep Learning und KI zugänglicher und einfacher anzuwenden macht
Keras-Implementierung von "One pixel attack for fooling deep neural networks" mit Differential Evolution auf Cifar10 und ImageNet
:smiley_cat: Hübsche & einfache Vorlage für eine Image-Classifier-App. Bereitstellen Ihres eigenen trainierten Modells oder vortrainierten Modells (VGG, ResNet, DenseNet) als Web-App mit Flask in 10 Minuten.
Ein Framework zur Verwendung von LSTMs zur Erkennung von Anomalien in multivariaten Zeitreihendaten. Enthält Anomaliedaten von Raumfahrzeugen und Experimente aus den Missionen Mars Science Laboratory und SMAP.
Eine leichtgewichtige Header-Only-Bibliothek für die Verwendung von Keras (TensorFlow)-Modellen in C++.
Code-Repository für Deep Learning mit Keras, veröffentlicht von Packt
Gestenerkennung mittels CNN. Implementiert in Keras + Tensorflow/Theano + OpenCV
Training von neuronalen Modellen mit strukturierten Signalen.
Ein Tool zur Konvertierung von ONNX-Dateien in LiteRT/TFLite/TensorFlow, PyTorch-Nativer Code (nn.Module), TorchScript (.pt), state_dict (.pt), Exported Program (.pt2) und Dynamo ONNX. Es unterstützt auch die direkte Konvertierung von LiteRT zu PyTorch.
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.
Quellcode im Zusammenhang mit dem Projekt zur Gesichtsausdrucks-Erkennung in der Gesichtserkennung
Eine einheitliche Schnittstelle zum Ausführen von Deep-Learning-Modellen aus mehreren Frameworks
Eine kuratierte Sammlung von iOS-, ML- und AR-Ressourcen, gewürzt mit einigen UI-Elementen.