#neural-networks Repositories
Entdecke 277 aktive Open-Source-GitHub-Repositories, die mit #neural-networks getaggt sind und insgesamt 1,158,803 Sterne gesammelt haben (durchschnittlich 4,183 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist labmlai/annotated_deep_learning_paper_implementations mit 67,780 Sternen.
Insgesamt 277 Repositories
🧑🏫 60+ Implementierungen/Tutorials von Deep-Learning-Papieren mit begleitenden Notizen 📝; einschließlich Transformatoren (Original, xl, switch, feedback, vit, ...), Optimierern (adam, adabelief, sophia, ...), gans (cyclegan, stylegan2, ...), 🎮 Reinforcement Learning (ppo, dqn), capsnet, Destillation, ... 🧠
Deep Learning 500 Fragen, in Q&A-Form zu gängigem Wahrscheinlichkeitswissen, Linearer Algebra, Machine Learning, Deep Learning, Computer Vision usw. heißen Themen erläutert, um mir selbst und bedürftigen Lesern zu helfen. Das gesamte Buch ist in 18 Kapitel unterteilt, über 500.000 Wörter. Aufgrund begrenzter Fähigkeiten bitte ich die Leser, unangemessene Stellen im Buch zu kritisieren und zu korrigieren. Fortsetzung folgt............ Bei Interesse an Kooperation kontaktieren Sie bitte [email protected] Alle Rechte vorbehalten, Verletzung wird verfolgt Tan 2018.06
Ein Framework für Video-Super-Resolution und Frame-Interpolation basierend auf maschinellem Lernen. Est. Hack the Valley II, 2018.
ONNX Runtime: Cross-Plattform, hochleistungsstarker ML-Inferenz- und Trainingsbeschleuniger
Das Unity Machine Learning Agents Toolkit (ML-Agents) ist ein Open-Source-Projekt, das Spiele und Simulationen als Umgebungen für das Training intelligenter Agenten mit Deep Reinforcement Learning und Imitation Learning ermöglicht.
Qiu Xipengs „Neuronale Netze und Deep Learning“, zweite Auflage und allgemeinbildende Ausgabe: E-Book, Inhaltsverzeichnis, Lernressourcen und Errata.
Eine winzige skalare Autograd-Engine und eine neuronale Netzbibliothek darauf mit einer PyTorch-ähnlichen API
Ein skalierbarer generativer KI-Framework, das für Forscher und Entwickler entwickelt wurde, die an Large Language Models, Multimodal und Speech AI (Automatic Speech Recognition und Text-to-Speech) arbeiten
TensorFlow - Eine kuratierte Liste dedizierter Ressourcen http://tensorflow.org
Machine-Learning- und Deep-Learning-Tutorials, Artikel und andere Ressourcen
Code-Beispiele für mein Buch "Neural Networks and Deep Learning"
MIT Deep-Learning-Buch im PDF-Format (komplett und Teile) von Ian Goodfellow, Yoshua Bengio und Aaron Courville
Minimale und saubere Beispiele für Implementierungen von Machine-Learning-Algorithmen
Tutorials, Aufgaben und Wettbewerbe für Kurse im Zusammenhang mit MIT Deep Learning.
LLMs zu Hause ausführen, im BitTorrent-Stil. Fine-Tuning und Inferenz bis zu 10x schneller als beim Offloading.
Lab-Materialien für MIT 6.S191: Einführung in das Deep Learning
Code für das Paper "Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer"
Ein kompletter Leitfaden, um 2026 ohne jeglichen Hintergrund im Bereich Machine Learning (ML) und Künstliche Intelligenz (AI) zu starten und sich zu verbessern sowie stets über die neuesten Nachrichten und fortschrittlichsten Techniken informiert zu bleiben!
Repository für das Deep Reinforcement Learning Nanodegree-Programm
Dieses Repository ist eine Sammlung von kostenlosen Ressourcen zum Erlernen von Data Science.
Links zu Konferenzpublikationen im graphenbasierten Deep Learning
Eine probabilistische Programmiersprache in TensorFlow. Tiefgehende generative Modelle, variationelle Inferenz.
Häufig gestellte Fragen
Welches ist das beliebteste #neural-networks-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#neural-networks-Projekt auf GitHub ist labmlai/annotated_deep_learning_paper_implementations mit 67,780 Sternen. 🧑🏫 60+ Implementierungen/Tutorials von Deep-Learning-Papieren mit begleitenden Notizen 📝; einschließlich Transformatoren (Original, xl, switch, feedback, vit, ...), Optimierern (adam, adabelief, sophia, ...), gans (cyclegan, stylegan2, ...), 🎮 Reinforcement Learning (ppo, dqn), capsnet, Destillation, ... 🧠
Welche Programmiersprachen werden in #neural-networks-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #neural-networks-Projekten auf GitHub sind Python, Jupyter Notebook, C++, JavaScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #neural-networks-Repositories berechnet?
Wir verfolgen 277 aktive Open-Source-Repositories, die mit #neural-networks getaggt sind (500+ Sterne), mit insgesamt 1,158,803 Sternen und durchschnittlich 4,183 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.