#deep-learning Repositorios
2,273 repositorios en total
Implementación en PyTorch de varios métodos para el aprendizaje continuo (XdG, EWC, SI, LwF, FROMP, DGR, BI-R, ER, A-GEM, iCaRL, Generative Classifier) en tres escenarios diferentes.
Reconstrucción 3D precisa de rostros con aprendizaje débilmente supervisado: De imagen única a conjunto de imágenes (CVPRW 2019). Una implementación de PyTorch.
Un marco de aprendizaje profundo basado en Pytorch para la segmentación de imágenes médicas multimodales 2D/3D
[ICCV 2023] Make-It-3D: Creación 3D de alta fidelidad a partir de una sola imagen con Prioridad de Difusión
Aprendizaje profundo en Rust, con tensores verificados por forma y redes neuronales
Entrene modelos de IA de manera eficiente en imágenes médicas utilizando cualquier framework
DeepSeekMoE: Hacia la especialización definitiva de expertos en modelos de lenguaje Mixture-of-Experts
Esta es una lista de recursos para la mejora de imágenes con poca luz
Un sistema de programación probabilística de propósito general con inferencia programable
😎 Una lista actualizada y curada de fantásticos artículos, métodos y recursos de aprendizaje semisupervisado.
Una lista curada de conjuntos de datos de radar, detección, seguimiento y fusión
Biblioteca autónoma de Machine Learning y Procesamiento del Lenguaje Natural en Go
Una lista curada de artículos de minería de datos sobre detección de fraudes.
Algunos libros y pdf increíbles relacionados con la IA para aprender y descargar, también aplica algunos modelos de campo de pruebas para aprender
Guía para el uso de modelos de lenguaje grandes pre-entrenados de código fuente
Implementación oficial del modelo RAVE: un autoencoder variacional de audio en tiempo real
Hoja de ruta para convertirse en un desarrollador de Visual‑SLAM en 2026
RDT-1B: un Modelo de Fundación de Difusión para Manipulación Bimanual
:art: Modelos, conjuntos de datos y pérdidas de segmentación semántica implementados en PyTorch.
Interpretabilidad y explicabilidad de datos y modelos de aprendizaje automático
Apuestas deportivas de la NBA usando aprendizaje automático
Repositorio de código para redes de constante de tiempo líquida (LTC)
Red Convolucional de Grafos Temporal para la Predicción del Flujo de Tráfico Urbano Método
Seguimiento, investigación y aplicación de tecnologías de vanguardia como el procesamiento del lenguaje natural, los grafos de conocimiento, los modelos de lenguaje de gran tamaño y los agentes.
PPL Quantization Tool (PPQ) es una potente herramienta de cuantización de redes neuronales sin conexión.
Plugin de Aimbot OBS para Delta Force (PC y Móvil) – Asistencia de fijación de cabeza inteligente basada en inyección de renderizado OBS, compatible con vinculación a QQ Music/NetEase Cloud, reconocimiento óseo preciso, apuntado automático suave, control de retroceso, elusión estable de detección y mejora de la eficiencia de bajas. 5L2G5YW25a6e5Lul5LiK5YWo5piv6aqX5L2g55qE77yM6L+Z5Y+q5piv5Liq5biu5L2g5a6J6KOF5pqX5Yy656qB5Zu055qE5Y+N5L2c5byK6aG555uu572i5LqG
Lista aproximada de mis recursos favoritos de deep learning, útil para repasar temas o como referencia. He revisado todo el contenido listado allí con cuidado. - Guillaume Chevalier
Curación de datos sintéticos para post-entrenamiento y extracción de datos estructurados
[Nominación al Mejor Artículo PVLDB 2024] TFB: Hacia evaluaciones comparativas completas y justas de los métodos de pronóstico de series temporales
FSL-Mate: Una colección de recursos para el aprendizaje con pocos ejemplos (FSL).
Analizador BirdNET para el procesamiento científico de datos de audio.
TorchMultimodal es una biblioteca de PyTorch para entrenar modelos multimodales y multitarea de última generación a escala.
Entrenamiento todo en uno para modelos de visión (YOLO, ViTs, RT-DETR, DINOv3): preentrenamiento, ajuste fino, destilación.
Los 200 principales repositorios de GitHub de deep learning ordenados por número de estrellas.
Explicación de demostraciones, ejemplos, complementos conceptuales y referencias de "Introducción a la teoría del aprendizaje automático" (Libro Tesoro).
Una lista completa de más de 180 canales de YouTube sobre ciencia de datos, ingeniería de datos, aprendizaje automático, aprendizaje profundo, informática, programación, ingeniería de software, etc.
Análisis probabilístico profundo de datos de ómics de celda única y espaciales