#neural-network Repositories
Insgesamt 213 Repositories
ML-Algorithmen, die nach den ersten Prinzipien in Jupyter Notebooks und NumPy implementiert und abgeleitet wurden
Ein Python-Paket zur Erweiterung des offiziellen PyTorch, das auf der Intel-Plattform einfach Leistung erzielen kann
Dies ist der Code für Deformable Neural Radiance Fields, auch bekannt als Nerfies.
Eigenständige Machine-Learning- und Natural-Language-Processing-Bibliothek in Go
Offizielle Implementierung des RAVE-Modells: ein Echtzeit-Audio-Variational-Autoencoder
Das PPL Quantization Tool (PPQ) ist ein leistungsstarkes Offline-Tool zur Quantisierung neuronaler Netze.
Offizielles GitHub-Repository für die Fast Artificial Neural Network Library (FANN)
Nützliche zusätzliche Funktionalität für TensorFlow 2.x, gepflegt von SIG-addons
Aktien im Bereich Deep Learning und Machine Learning bieten vielversprechende Chancen für langfristige und kurzfristige Investoren und Trader.
Ein PyTorch-basiertes Framework für Quanten-klassische Simulation, Quanten-maschinelles Lernen, Quanten-neuronale Netze, parametrisierte Quantenschaltkreise mit Unterstützung für einfache Bereitstellungen auf echten Quantencomputern.
Eine PyTorch-Bibliothek und Evaluierungsplattform für End-to-End-Kompressionsforschung
Eine PyTorch-Bibliothek, die sich vollständig mit neuronalen Differentialgleichungen, impliziten Modellen und verwandten numerischen Methoden beschäftigt
Eine Gruppe von Notebooks und anderen Dateien, die Ihnen helfen können, KI von Grund auf zu erlernen.
Folien und Jupyter-Notebooks für die Deep Learning-Vorlesungen im Masterjahr 2 Data Science des Institut Polytechnique de Paris
Train to 94% on CIFAR-10 in <6.3 seconds on a single A100. Or ~95.79% in ~110 seconds (or less!)
[ECCV`24&ICLR`25] CityGaussian-Serie für hochwertige großskalige Szenenrekonstruktion mit Gaußchen
Verteiltes Training und Inferenz für multimodale Wahrnehmung: gemeinsame Embeddings für Text, Bilder, Video, Audio, Code und Graphen mit 64 bis 1.024 Dimensionen 🖼️
Physics-Informed Neural Networks (PINN) Löser für (Partielle) Differentialgleichungen für beschleunigte Simulation im wissenschaftlichen Machine Learning (SciML)
Keras-Implementierung von "One pixel attack for fooling deep neural networks" mit Differential Evolution auf Cifar10 und ImageNet
Ein Projekt zur Verarbeitung von neuronalen Netzen und zum Rendering, um durch eine übersichtlichere Darstellung Einblicke in die Architektur und Parameter eines Modells zu gewinnen.
Diagramme zur Visualisierung der Architektur neuronaler Netze
:computer: Lerne, Maschinen lernen zu lassen, damit du nicht mit ihrem Programmieren kämpfen musst; Die ultimative Liste
Ein Bild um den Faktor 4 hochskalieren, während fotorealistische Details generiert werden.
Reine PyTorch-Implementierung des NVIDIA-Papers über sofortiges Training von neuronalen Grafikprimitiven: https://nvlabs.github.io/instant-ngp/
Eine Echtzeit-Methode, die die 3D-Menschpose direkt im populären Bio Vision Hierarchy (BVH)-Format schätzt, gegeben Schätzungen der 2D-Körpergelenke aus monokularen Farbbildern. Unsere Beiträge umfassen: (a) Eine neue und kompakte 2D-Pose-NSRM-Darstellung. (b) Einen Klassifikator für die Ausrichtung des menschlichen Körpers und ein Ensemble aus ausrichtungsoptimierten
Code für „HyperNeRF: Eine höherdimensionale Darstellung für sich topologisch ändernde neuronale Strahlungsfelder“.