#neural-network Repositories
Insgesamt 213 Repositories
SchNetPack - Tiefe neuronale Netzwerke für atomistische Systeme
Python-Machine-Learning-Algorithmus-Technik-Blog, mit originalem Inhalt! Mit Code-Praxis! 【Mehr Inhalte: Folgen Sie bitte dem öffentlichen Account „Algorithmus Fortschritt“】
Reine Rust-Implementierung eines minimalen generativen vortrainierten Transformers
BladeDISC ist ein End-to-End-Projekt für dynamische Form-Compiler für maschinelle Lernlasten.
🤖 MatLab/Octave-Beispiele beliebter Algorithmen des maschinellen Lernens mit Codebeispielen und mathematischer Erklärung
Das Repository enthält Skripte und Notebooks zu Statistik, Machine Learning, Neural Networks, Deep Learning, NLP, Numerischen Methoden und Automatisierung.
DiffWave ist ein schneller, hochwertiger neuronaler Vocoder und Wellenformsynthesizer.
Eine leistungsstarke Vektordatenbank, die parallele Graphberechnung nutzt
onnx-go ermöglicht es, ein vortrainiertes neuronales Netzwerk in Go zu importieren, ohne mit einem Framework oder einer Bibliothek verknüpft zu sein.
Omega-AI ist ein auf Java basierendes Deep-Learning-Framework, mit dem Sie schnell neuronale Netze für Inferenz und Training erstellen können. Seine Engine unterstützt automatische Differentiation, Multithreading und GPU-Beschleunigung mit CUDA und cuDNN.
Leistungsstarke Vision-Bibliothek in Python. Skalieren Sie Ihre Forschung, nicht Boilerplate.
:twisted_rightwards_arrows: Neural Network (NN) Streamer, Stream-Processing-Paradigma für Neural-Network-Apps/Geräte.
:books: [.md & .ipynb] Serie zu Künstlicher Intelligenz & Deep Learning, einschließlich Mathematischer Grundlagen, Python-Übungen, NLP-Anwendungen usw. 💫 Praktische Anwendungen in KI und Deep Learning: Kapitel Mathematische Statistik | Kapitel Maschinelles Lernen | Kapitel Deep Learning | Kapitel Natürliche Sprachverarbeitung | Kapitel Werkzeugpraxis Scikit & TensorFlow & PyTorch | Branchenanwendungen & Kursnotizen
Eine einfache Bibliothek zum Erstellen komplexer neuronaler Netze
KI-Produktivitätstool – Kostenlos und Open Source, verbessert die Benutzerproduktivität und schützt Privatsphäre und Datensicherheit. Einschließlich, aber nicht beschränkt auf: integrierte lokale exklusive Modelle wie ChatGPT, DeepSeek, Phi, Qwen und andere, intelligente Stapelverarbeitung von Bildern, Videos, Audio usw. mit einem Klick.
Neueste hochzitierte/Top-Konferenz-Papiere zur Erklärbarkeit von neuronalen Netzwerkmodellen im Deep Learning (mit Code)
Vollständig konvolutive geometrische Merkmale: Schnelle und präzise 3D-Merkmale für Registrierung und Korrespondenz.
NeuPy ist eine auf TensorFlow basierende Python-Bibliothek für das Prototyping und den Aufbau neuronaler Netze.
Texas Hold'em OpenAI Gym Poker-Umgebung mit Reinforcement Learning basierend auf Keras-RL. Enthält virtuelles Rendering und Monte-Carlo für Equity-Berechnung.
Cookiecutter-Vorlage für FastAPI-Projekte mit: Machine Learning, uv, GitHub Actions und Pytests
Eine Full Stack ML (Machine Learning) Roadmap beinhaltet das Erlernen der notwendigen Fähigkeiten und Technologien, um in allen Aspekten des maschinellen Lernens versiert zu werden, einschließlich Datenerfassung und -vorverarbeitung, Modellentwicklung, Bereitstellung und Wartung.
Ein schnelles Deep-Learning-Modell zum Upsamplen von Videos niedriger Auflösung zu hoher Auflösung bei 30 fps
[ECCV 2024] InstructIR: Hochwertige Bildwiederherstellung nach menschlichen Anweisungen https://huggingface.co/spaces/marcosv/InstructIR
Ein einfacher und flexibler Code für Reservoir-Computing-Architekturen wie Echo-State-Netzwerke
Eine leichtgewichtige, tragbare reine C99 ONNX-Inferenz-Engine für eingebettete Geräte mit Hardwarebeschleunigungsunterstützung.
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.
PyTorch-Reimplementierung von "Generating Sentences from a Continuous Space" von Bowman et al. 2015 https://arxiv.org/abs/1511.06349
Framework für schnelle Implementierung von Datenverarbeitungs- und Betriebspipelines
TorchANI 2.0 ist eine Open-Source-Bibliothek, die das Training, die Entwicklung und die Erforschung von interatomaren Potenzialen von neuronalen Netzen im ANI-Stil unterstützt. Sie wurde ursprünglich von der Roitberg-Gruppe entwickelt und wird derzeit von ihr gepflegt.
Sammlung von Arbeiten, die darauf abzielen, Modellgrößen oder den ASIC/FPGA-Beschleuniger für maschinelles Lernen zu reduzieren
Vector Hub – Bibliothek zur einfachen Entdeckung und Nutzung von State-of-the-Art-Modellen zur Umwandlung von Daten in Vektoren (text2vec, image2vec, video2vec, graph2vec, bert, inception, etc)
Eine kuratierte Liste von Ressourcen zur Künstlichen Intelligenz (Kurse, Tools, Apps, Open-Source-Projekte)