#neural-network Repositories
Entdecke 213 aktive Open-Source-GitHub-Repositories, die mit #neural-network getaggt sind und insgesamt 1,234,359 Sterne gesammelt haben (durchschnittlich 5,795 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist tensorflow/tensorflow mit 201,665 Sternen.
Insgesamt 213 Repositories
Tensoren und dynamische neuronale Netzwerke in Python mit starker GPU-Beschleunigung
Qdrant – Hochleistungsfähige Vektordatenbank und Vektorsuchmaschine in massivem Maßstab für die nächste Generation von KI. Auch in der Cloud verfügbar https://cloud.qdrant.io/
Roadmap zur Entwicklung eines Experten für künstliche Intelligenz im Jahr 2022
Eine kuratierte Liste von großartigen Deep-Learning-Tutorials, Projekten und Communities.
⛔️ VERSCHOBEN/VERALTET – Siehe https://github.com/ageron/handson-ml3 oder handson-mlp stattdessen.
PArallel Distributed Deep LEarning: Machine Learning Framework aus der industriellen Praxis (Der Kern-Framework『FeiJiang』, High-Performance-Training für Deep Learning & Machine Learning auf Einzelrechnern und verteilt sowie plattformübergreifende Bereitstellung)
ncnn ist ein Hochleistungs-Inferenz-Framework für neuronale Netze, optimiert für mobile Plattformen
Das pytorch handbook ist ein Open-Source-Buch, das das Ziel hat, Freunden, die PyTorch für die Deep-Learning-Entwicklung und -Forschung nutzen möchten, einen schnellen Einstieg zu ermöglichen. Alle enthaltenen Pytorch-Tutorials wurden getestet und garantieren einen erfolgreichen Lauf.
Eine WebGL-beschleunigte JavaScript-Bibliothek zum Trainieren und Bereitstellen von ML-Modellen.
Machine-Learning- und Deep-Learning-Tutorials, Artikel und andere Ressourcen
Eine kuratierte Liste von Kursen, Büchern, Videovorlesungen und Arbeiten im Bereich Künstliche Intelligenz (KI).
Eine umfassende Liste von PyTorch-bezogenen Inhalten auf GitHub, wie verschiedene Modelle, Implementierungen, Hilfsbibliotheken, Tutorials usw.
Burn ist eine Tensorbibliothek der nächsten Generation und ein Deep-Learning-Framework, das keine Kompromisse bei Flexibilität, Effizienz und Portabilität eingeht.
MIT Deep-Learning-Buch im PDF-Format (komplett und Teile) von Ian Goodfellow, Yoshua Bengio und Aaron Courville
Das Code-Repository und Informationsressource für das Buch "Python Machine Learning (1. Auflage)"
Eine Referenz mit Stilen und Schlüsselwörtern, die Sie mit MidJourney AI verwenden können. Es gibt auch Seiten, die Auflösungsvergleiche, Bildgewichte und vieles mehr zeigen!
Low-Code-Framework zum Erstellen benutzerdefinierter LLMs, neuronaler Netze und anderer KI-Modelle
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
OneFlow ist ein Deep-Learning-Framework, das benutzerfreundlich, skalierbar und effizient gestaltet ist.
Enthält Lösungen und Notizen für die Spezialisierung auf maschinelles Lernen von der Stanford University und Deeplearning.ai - Coursera (2022) von Prof. Andrew NG
PaddlePaddle Hochleistungs-Deep-Learning-Inferenz-Engine für Mobile und Edge (PaddlePaddle Hochleistungs-Deep-Learning-Endseitige Inferenz-Engine)
Offiziell gepflegt und von PaddlePaddle unterstützt, einschließlich CV, NLP, Speech, Rec, TS, großer Modelle und so weiter.
🔬 Eine kuratierte Liste toller LLMs & Deep-Learning-Strategien & Tools im Finanzmarkt.
Eine GPU-beschleunigte Bibliothek, die hochoptimierte Bausteine und eine Ausführungsengine für die Datenverarbeitung enthält, um Deep-Learning-Training- und Inferenz-Anwendungen zu beschleunigen.
T81-558: Keras - Anwendungen tiefer neuronaler Netze @Washington University in St. Louis
Projekte und Übungen für das neueste Deep-Learning-Nanodegree-Programm https://www.udacity.com/course/deep-learning-nanodegree--nd101
Dieses Repository enthält meine persönlichen Notizen und Zusammenfassungen zu den Spezialisierungskursen von DeepLearning.ai. Ich habe jeden kleinen Teil des Kurses genossen und hoffe, dass Ihnen meine Notizen auch gefallen.
Ein Leitfaden für absolute Anfänger zu maschinellem Lernen und Bildklassifikation mit neuronalen Netzen
Häufig gestellte Fragen
Welches ist das beliebteste #neural-network-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#neural-network-Projekt auf GitHub ist tensorflow/tensorflow mit 201,665 Sternen. Ein Open-Source-Machine-Learning-Framework für alle
Welche Programmiersprachen werden in #neural-network-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #neural-network-Projekten auf GitHub sind Python, C++, Jupyter Notebook, JavaScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #neural-network-Repositories berechnet?
Wir verfolgen 213 aktive Open-Source-Repositories, die mit #neural-network getaggt sind (500+ Sterne), mit insgesamt 1,234,359 Sternen und durchschnittlich 5,795 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.