#neural-networks Repositories
Insgesamt 277 Repositories
Inferenz-Engine für Machine Learning auf Mikrocontrollern und eingebetteten Geräten
Deep Learning für Kamera-Kalibrierung und darüber hinaus: Eine Übersicht
Eine kuratierte Liste von Projekten zum Konnektom der Fruchtfliege: MaleCNS, FlyWire, Gehirnsimulationen, verkörperte Modelle, Spiele und Forschungswerkzeuge.
Colab Notebooks, die Deep-Learning-Tools für die Vorhersage und das Design biomolekularer Strukturen behandeln
Einheitliche automatische Qualitätsbewertung für Sprache, Musik und Geräusche.
Untersuchen, visualisieren und beeinflussen Sie jede Operation in jedem neuronalen Netzwerk. Erfassen Sie jede Aktivierung und jeden Gradienten, den vollständigen Berechnungsgraphen und über 800 Metadatenfelder, ohne den Modellcode zu ändern. Unterstützt PyTorch, JAX, TensorFlow, MLX, PaddlePaddle und tinygrad. An über 6.400 Modellen validiert. Entwickelt für Forschende und ihre KI-Agenten.
YaneuraOu ist der stärkste Shogi-Engine (KI-Spieler) der Welt, WCSC29-Ersterplatzierter, bildend und USI-konformer Engine.
Reproduktion des Papiers von Yann LeCun aus dem Jahr 1989 mit dem Titel "Backpropagation Applied to Handwritten Zip Code Recognition", meines Wissens die früheste reale Anwendung eines neuronalen Netzes, das mit Backpropagation trainiert wurde.
Dataset Management Framework, eine Python-Bibliothek und ein CLI-Tool zum Erstellen, Analysieren und Verwalten von Computer-Vision-Datensätzen.
Einführungen in die Schlüsselkonzepte der Quantenprogrammierung sowie Tutorials und Implementierungen aus der Spitzenforschung im Quantencomputing.
Alle meine selbst trainierten und veröffentlichten KI-Upscaling-Modelle. Nachdem ich über 600 verschiedene Upscaling-Modelle gesammelt und angewendet hatte, lernte ich, wie ich meine eigenen Modelle trainieren kann, und dies sind die Ergebnisse.
Die offizielle PyTorch-Implementierung von „Mamba-YOLO: SSM-basiert für Objekterkennung“
Ein Gehirn, das aus unmittelbarer Erfahrung lernt. System 1 standardmäßig: Wahrnehmung, Gedächtnis, Plastizität und Handeln. Optional System 2 zur Selbstbeobachtung und für langsame Korrekturen.
Kleiner GPT, von Grund auf in reinem Go implementiert. Optimiert für das Verständnis. Trainiert auf Büchern von Jules Verne.
Nichtlineare Optimierung (Nullstellenbestimmung, kleinste Quadrate, ...) in JAX+Equinox. https://docs.kidger.site/optimistix/
Python-Paket zur Durchführung von Entity- und Text-Matching mit Deep Learning.
Code für das Buch Deep Learning From Scratch, von O'Reilly September 2019
Veraltet, jetzt in sktime - Begleitpaket für Deep Learning basierend auf TensorFlow
Dieses Repository enthält alles, was Sie benötigen, um sich in ML/AI-Forschung und Forschungsarbeiten zu beherrschen
Deep Learning Simplified ist ein Open-Source-Repository, das Deep-Learning-Projekte für Anfänger bis Fortgeschrittene für Mitwirkende enthält, die ihre Reise im Deep Learning beginnen möchten. Devfolio URL, https://devfolio.co/projects/deep-learning-simplified-f013
Python-Bibliothek zum Trainieren von neuronalen Netzen mit starkem Fokus auf hydrologische Anwendungen.
AAAI 2024 Paper: Entdecken Sie eine umfassende Sammlung innovativer Forschungsarbeiten, die auf einer der führenden Konferenzen für künstliche Intelligenz vorgestellt wurden. Integrieren Sie nahtlos Code-Implementierungen für ein besseres Verständnis. ⭐ Erleben Sie mit diesem Repository den Fortschritt im Bereich der künstlichen Intelligenz auf höchstem Niveau!
Code für das Paper "DewarpNet: Single-Image Document Unwarping With Stacked 3D and 2D Regression Networks" (ICCV '19)
Lösen von Vorwärts- und Inversproblemen im Zusammenhang mit partiellen Differentialgleichungen mithilfe von endlichen Basis physikbasierten neuronalen Netzen (FBPINNs)
Sammlung kostenloser ML-Lesematerialien