#deep-learning Repositorios
Descubre 2,273 repositorios activos de código abierto de GitHub etiquetados con #deep-learning, que acumulan 10,372,329 estrellas en total (una media de 4,563 estrellas por proyecto). El líder de este tema es tensorflow/tensorflow, con 201,665 estrellas.
2,273 repositorios en total
🤗 Transformers: el framework de definición de modelos para modelos de machine learning de vanguardia en texto, visión, audio y modelos multimodales, tanto para inferencia como para entrenamiento.
🐙 Guías, artículos, lecciones, cuadernos y recursos para la ingeniería de prompts, la ingeniería de contexto, RAG y los agentes de IA.
¡Aprende ingeniería de IA! Apréndela. Constrúyela. Ponla al alcance de los demás.
Una lista curada de impresionantes frameworks, bibliotecas y software de Machine Learning.
《Aprende Deep Learning con Práctica》: Para lectores chinos, ejecutable y discutible. Las versiones en chino e inglés se utilizan en la enseñanza en más de 500 universidades de más de 70 países.
🧑🏫 60+ Implementaciones/tutoriales de artículos de aprendizaje profundo con notas una al lado de la otra 📝; incluyendo transformers (original, xl, switch, feedback, vit, ...), optimizadores (adam, adabelief, sophia, ...), gans (cyclegan, stylegan2, ...), 🎮 aprendizaje por refuerzo (ppo, dqn), capsnet, destilación, ... 🧠
Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — detección de objetos, segmentación de instancias, segmentación semántica, clasificación de imágenes, estimación de pose y seguimiento de objetos
Clona una voz en 5 segundos para generar discursos arbitrarios en tiempo real
Ultralytics YOLOv5 en PyTorch para detección de objetos, segmentación de instancias, clasificación, entrenamiento y exportación.
500 preguntas sobre aprendizaje profundo, presentadas en formato de preguntas y respuestas para explicar temas candentes como el conocimiento común de probabilidad, álgebra lineal, aprendizaje automático, aprendizaje profundo, visión por computadora, etc., para ayudar a mí mismo y a los lectores que lo necesiten. El libro completo se divide en 18 capítulos, más de 500.000 palabras. Debido a mi nivel limitado, ruego a los lectores que critiquen y corrijan cualquier parte inadecuada en el libro. Por continuar............ Si está interesado en cooperar, contacte a [email protected] Todos los derechos reservados, la infracción será perseguida Tan 2018.06
El repositorio proporciona código para ejecutar inferencias con el SegmentAnything Model (SAM), enlaces para descargar los puntos de control del modelo entrenado y cuadernos de ejemplo que muestran cómo usar el modelo.
Qlib es una plataforma de inversión Quant orientada a la IA que tiene como objetivo utilizar la tecnología de IA para potenciar la investigación Quant, desde la exploración de ideas hasta la implementación de producciones. Qlib admite diversos paradigmas de modelado de ML, incluido el aprendizaje supervisado, la modelización de la dinámica del mercado y RL, y ahora está equipado con https://github.com/microsoft/RD-Agent para automatizar el proceso de I+D.
Aprende a desarrollar, implementar y iterar en aplicaciones de ML de grado de producción.
Ray es un motor de cómputo de IA. Ray consiste en un runtime distribuido central y un conjunto de bibliotecas de IA para acelerar cargas de trabajo de ML.
Crea y comparte aplicaciones de aprendizaje automático encantadoras, todo en Python. 🌟 Dale una estrella para apoyar nuestro trabajo!
🐸💬 - un toolkit de aprendizaje profundo para Text-to-Speech, probado en investigación y producción
Tutorial y Ejemplos de TensorFlow para Principiantes (soporte para TF v1 & v2)
DeepSpeed es una biblioteca de optimización de aprendizaje profundo que hace que el entrenamiento distribuido y la inferencia sean fáciles, eficientes y efectivos.
Síntesis de imágenes de alta resolución con modelos de difusión latente
ChatGLM-6B: Un modelo de lenguaje de diálogo bilingüe de código abierto | Modelo de lenguaje de diálogo bilingüe de código abierto
500 proyectos de IA Machine learning Deep learning Visión por computadora NLP con código
Soluciones ML multiplataforma y personalizables para medios en vivo y de streaming.
GFPGAN tiene como objetivo desarrollar algoritmos prácticos para la restauración de rostros en el mundo real.
Un kit de herramientas para desarrollar y comparar algoritmos de aprendizaje por refuerzo.
Detectron2 es una plataforma para detección de objetos, segmentación y otras tareas de reconocimiento visual.
🤗 Diffusers: Modelos de difusión de última generación para la generación de imágenes, video y audio en PyTorch.
CLIP (Contrastive Language-Image Pretraining), Predecir el fragmento de texto más relevante dada una imagen
Preguntas frecuentes
¿Cuál es el repositorio de #deep-learning más popular en GitHub?
El proyecto de código abierto de #deep-learning mejor posicionado en GitHub es tensorflow/tensorflow, con 201,665 estrellas. Un marco de aprendizaje automático de código abierto para todos
¿Qué lenguajes de programación se utilizan más en los repositorios de #deep-learning?
Entre los proyectos de #deep-learning mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C++, JavaScript.
¿Cómo se calcula la clasificación de los repositorios de #deep-learning?
Seguimos 2,273 repositorios activos de código abierto etiquetados con #deep-learning (500+ estrellas), que suman un total de 10,372,329 estrellas, con una media de 4,563 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.