#tensorflow Repositories
Insgesamt 454 Repositories
🔮 Ein erfrischender funktionaler Ansatz für Deep Learning, kompatibel mit Ihren bevorzugten Bibliotheken
Ein Crashkurs in sechs Episoden für Softwareentwickler, die Machine-Learning-Praktiker werden möchten.
Liste von Papieren, Code und Experimenten, die Deep Learning für Zeitreihenprognosen verwenden
Mars ist ein tensorbasierter einheitlicher Rahmen für die Berechnung großer Datenmengen, der numpy, pandas, scikit-learn und Python-Funktionen skaliert.
MLNLP: Dieses Repository sammelt wissenschaftliche Arbeiten mit Open-Source-Code von Konferenzen für künstliche Intelligenz (wie ACL, EMNLP, NAACL, COLING, AAAI, IJCAI, ICLR, NeurIPS, ICML usw.).
Notebooks, Codebeispiele und Referenzen für maschinelles Lernen und generative KI auf Google Cloud für die Advanced Solutions Lab (ASL) Bootcamps.
TensorFlow-, Keras-, Tensorflow.js- und Tflite-Modelle in ONNX konvertieren
🐸STT - Das Deep-Learning-Toolkit für Speech-to-Text. Das Trainieren und Bereitstellen von STT-Modellen war noch nie so einfach.
Project Flogo ist ein Open-Source-Ökosystem aus opinionated eventgesteuerten Funktionen, das den Aufbau effizienter und moderner serverloser Funktionen, Microservices und Edge-Apps vereinfacht.
Selbst gehosteter Echtzeit-Klanglandschaftsanalysator für Vögel, Fledermäuse und andere Wildtiere. Multi-Modell lokale KI-Inferenz, läuft 24/7 auf einem Raspberry Pi.
Ein Open-Source-Framework für Machine Learning und andere Berechnungen auf dezentralen Daten.
Toolkit für maschinelles Lernen, natürliche Sprachverarbeitung und Textgenerierung in TensorFlow. Dies ist Teil des CASL-Projekts: http://casl-project.ai/
ELECTRA: Textkodierer als Diskriminatoren und nicht als Generatoren vortrainieren
Meistern Sie die essenziellen Fähigkeiten, die benötigt werden, um komplexe reale Probleme mit Machine Learning und Deep Learning zu erkennen und zu lösen, indem Sie das hochpopuläre Python Machine Learning-Ökosystem nutzen.
Objectron ist ein Datensatz kurzer, objektzentrierter Videoclips. Zusätzlich enthalten die Videos AR-Sitzungsmetadaten, einschließlich Kamera-Posen, sparsamer Punktwolken und Ebenen. In jedem Video bewegt sich die Kamera um und über dem Objekt herum und erfasst es aus verschiedenen Blickwinkeln. Jedes Objekt ist mit einer 3D-Begrenzungsbox annotiert. Die 3D-Begrenzungsbox beschreibt die Position, Orientierung und Abmessungen des Objekts. Der Datensatz enthält etwa 15.000 annotierte Videoclips und 4 Millionen annotierte Bilder in den folgenden Kategorien.
Genau 3D-Gesichtsrekonstruktion mit schwach überwachtem Lernen: Von einem Einzelbild zu einem Bildsatz (CVPRW 2019)
🔎 Überwachen Sie das Training von Deep-Learning-Modellen und die Hardware-Nutzung von Ihrem Mobiltelefon 📱
Eine Bibliothek zum Trainieren und Bereitstellen von Machine-Learning-Modellen auf Amazon SageMaker
YOLOv4, YOLOv4-tiny, YOLOv3, YOLOv3-tiny implementiert in Tensorflow 2.0, Android. Konvertieren Sie YOLO v4 .weights in tensorflow, tensorrt und tflite
PyTorch- und TensorFlow-Implementierung von NCP-, LTC- und CfC-Wired-Neural-Modellen
Pytorch 3D U-Net Convolutional Neural Network (CNN) für die medizinische Bildsegmentierung
Ein quelloffenes Python-Framework für hybrides Quanten-klassisches maschinelles Lernen.
Großartige Chatbot-Projekte, Korpora, Aufsätze, Tutorials.Chinesischer Chatbot =>:
Mit TensorFlow implementiertes System zur Erkennung von handschriftlichem Text (HTR).
TFX ist eine End-to-End-Plattform für die Bereitstellung von Produktions-ML-Pipelines
🎙Spracherkennung mit dem TensorFlow Deep-Learning-Framework, Sequence-to-Sequence-Neuralnetze
Ein Deep-Learning-Paket für die Darstellung von Viele-Teilchen-Potentialenergie und Molekulardynamik
TensorFlow Recommenders ist eine Bibliothek zum Erstellen von Empfehlungssystemmodellen mit TensorFlow.
Verwenden Sie AnimeGANv3, um Ihre eigenen Animationswerke zu erstellen, einschließlich der Umwandlung von Fotos oder Videos in Anime.
Ein moderner, webbasierter Foto-Management-Server. Führen Sie ihn auf Ihrem Heimserver aus und er ermöglicht es Ihnen, das passende Foto aus Ihrer Sammlung auf jedem Gerät zu finden. Intelligentes Filtern wird durch Objekterkennung, Gesichtserkennung, Standortbewusstsein, Farbanalyse und weitere ML-Algorithmen ermöglicht.