#deep-learning Repositorios
2,273 repositorios en total
Biblioteca de entrenamiento para la detección y coincidencia de características locales
Un marco para usar LSTMs para detectar anomalías en datos de series temporales multivariantes. Incluye datos de anomalías de naves espaciales y experimentos de las misiones Mars Science Laboratory y SMAP.
Un framework de Python para la evaluación de etiquetado de secuencias (reconocimiento de entidades nombradas, etiquetado POS, etc...)
[NeurIPS 2020] Código oficial del artículo "DeepSVG: A Hierarchical Generative Network for Vector Graphics Animation". Incluye una biblioteca PyTorch para el aprendizaje profundo con datos SVG.
PyTorch – Cálculo FID con redimensionamiento adecuado de imágenes y pasos de cuantización [CVPR 2022]
:books: Una colección de artículos sobre colorización de imágenes y videos basada en Deep Learning.
Herramientas para el manejo de datos multimodales en proyectos de aprendizaje automático.
[CVPR2023] El repositorio oficial de OC-SORT: SORT Centrado en la Observación (Observation-Centric SORT) para el seguimiento multi-objeto de vídeo. OC-SORT es simple, en línea y robusto a la oclusión/movimiento no lineal.
Biblioteca Tensorial Diferenciable Rápida en JavaScript y TypeScript con Bun + Flashlight
[ICLR 2025 Oral] TANGO: Recreación de video de gestos co-discurso con incrustación jerárquica de audio-movimiento e interpolación de difusión
Implementación en PyTorch de AudioLCM (ACM-MM'24): una generación de texto a audio eficiente y de alta calidad con modelo de consistencia latente.
Una biblioteca de aprendizaje profundo para la clasificación de tareas (señales) de EEG, basada en TensorFlow.
[CoRL 2024] Open-TeleVision: Teleoperación con retroalimentación visual activa e inmersiva
NVTabular es una biblioteca de ingeniería y preprocesamiento de características para datos tabulares diseñada para manipular rápida y fácilmente conjuntos de datos a escala de terabytes utilizados para entrenar sistemas de recomendación basados en aprendizaje profundo.
Implementación de modelo de lenguaje Plug and Play. Permite dirigir el tema y los atributos de los modelos GPT-2.
Preguntas de entrevista y exámenes escritos sobre Machine Learning/Aprendizaje Profundo/Python/Idioma Go (Machine learning Deep Learning Python and Golang Interview Questions)
Recopilación de recursos web sobre aprendizaje automático y aprendizaje profundo (Recursos de aprendizaje automático)
[IJCV] Show-1: Combinando modelos de difusión de píxeles y latentes para la generación de texto a video
Implementación oficial de PyTorch de "VITON-HD: High-Resolution Virtual Try-On via Misalignment-Aware Normalization" (CVPR 2021)
🔥 Un agente de IA autónomo que ejecuta tus experimentos de aprendizaje profundo 24/7 mientras duermes. Monitoreo sin costo, arquitectura Leader-Worker, memoria de tamaño constante.
RynnVLA-002: Un modelo unificado de visión-lenguaje-acción y del mundo
Una caja de herramientas de operaciones composicionales para la optimización de dos niveles basada en gradientes
APISR: Superresolución de anime del mundo real inspirada en la producción de anime (CVPR 2024)
[NeurIPS 2023] MeZO: Fine-Tuning Language Models with Just Forward Passes. https://arxiv.org/abs/2305.17333
Allegro es un potente modelo de texto a video que genera videos de alta calidad de hasta 6 segundos a 15 FPS y resolución de 720p a partir de una simple entrada de texto.
Una biblioteca ligera e independiente de cabeceras para usar modelos Keras (TensorFlow) en C++.
Reconocimiento de fórmulas y edición de documentos de Office | Conversión de escritura a mano y PDF a LaTeX/Markdown | Integraciones de API seguras.
Una lista de recursos de Ciencia de Datos / Aprendizaje Automático (Mayormente gratuitos)
Diagramas para visualizar la arquitectura de redes neuronales
PyCIL: Una caja de herramientas de Python para el aprendizaje incremental de clases
JMLR: OmniSafe es un marco de infraestructura para acelerar la investigación SafeRL.
🔥 CNN para Eliminación de Marcas de Agua usando Deep Image Prior con Pytorch 🔥.
DataDreamer: Prompt. Generar datos sintéticos. Entrenar y alinear modelos. 🤖💤