#recurrent-neural-networks Repositories
Entdecke 36 aktive Open-Source-GitHub-Repositories, die mit #recurrent-neural-networks getaggt sind und insgesamt 77,501 Sterne gesammelt haben (durchschnittlich 2,152 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist BrainJS/brain.js mit 14,838 Sternen.
Insgesamt 36 Repositories
Tutorials zum Einstieg in PyTorch und TorchText für die Sentiment-Analyse.
Notizen, Programmieraufgaben und Quizze aus allen Kursen der Coursera Deep Learning Specialization, angeboten von deeplearning.ai: (i) Neuronale Netze und Deep Learning; (ii) Verbesserung tiefer neuronaler Netze: Hyperparameter-Tuning, Regularisierung und Optimierung; (iii) Strukturierung von Machine-Learning-Projekten; (iv) Convolutional Neural Networks; (v) Sequenzmodelle
Liste von Papieren, Code und Experimenten, die Deep Learning für Zeitreihenprognosen verwenden
Vereinfachte Implementierungen von Deep Learning-bezogenen Arbeiten
Mit TensorFlow implementiertes System zur Erkennung von handschriftlichem Text (HTR).
Top 200 Deep-Learning-GitHub-Repositories, sortiert nach Anzahl der Sterne.
Offizielle PyTorch-Implementierung von Learning to (Learn at Test Time): RNNs mit ausdrucksstarken verborgenen Zuständen
:computer: Lerne, Maschinen lernen zu lassen, damit du nicht mit ihrem Programmieren kämpfen musst; Die ultimative Liste
Codebasis für Zeitreihen-Generative Adversarial Networks (TimeGAN) – NeurIPS 2019
Code-Repository für Deep Learning mit Keras, veröffentlicht von Packt
Offizieller Code für Paper: RecurrentGPT: Interaktive Generierung von (beliebig) langen Texten
Dieses Repository enthält die Ressourcen (Artikel, Blogs, Websites usw.), die Ilya zum Erlernen von Künstlicher Intelligenz empfohlen hat.
Connectionist Temporal Classification (CTC)-Decodierungsalgorithmen: beste Route, Beam-Suche, Lexikonsuche, Präfixsuche und Token-Passing. Implementiert in Python.
Code und Modelle, die "Deep Predictive Coding Networks for Video Prediction and Unsupervised Learning" begleiten
Vorhersage von Aktienkursen mit einem TensorFlow LSTM (Long Short-Term Memory) neuronalen Netzwerk für Zeitreihenvorhersagen
Open-Weights-Sprachmodell von Google DeepMind, basierend auf Griffin.
Ein einfacher und flexibler Code für Reservoir-Computing-Architekturen wie Echo-State-Netzwerke
Connectionist Temporal Classification (CTC)-Decoder mit Wörterbuch und Sprachmodell.
Ein Python-Toolkit für Reservoir Computing und Echo State Network-Experimente auf Basis von PyTorch. EchoTorch ist das einzige verfügbare Python-Modul, mit dem sich Deep Reservoir Computing-Modelle einfach erstellen lassen.
Häufig gestellte Fragen
Welches ist das beliebteste #recurrent-neural-networks-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#recurrent-neural-networks-Projekt auf GitHub ist BrainJS/brain.js mit 14,838 Sternen. 🤖 GPU-beschleunigte Neuronale Netze in JavaScript für Browser und Node.js
Welche Programmiersprachen werden in #recurrent-neural-networks-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #recurrent-neural-networks-Projekten auf GitHub sind Python, Jupyter Notebook, TypeScript, Cuda die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #recurrent-neural-networks-Repositories berechnet?
Wir verfolgen 36 aktive Open-Source-Repositories, die mit #recurrent-neural-networks getaggt sind (500+ Sterne), mit insgesamt 77,501 Sternen und durchschnittlich 2,152 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.