#deep-learning Repositorios
2,273 repositorios en total
OCR, análisis de diseño, orden de lectura, reconocimiento de tablas en más de 90 idiomas
El pytorch handbook es un libro de código abierto cuyo objetivo es ayudar a aquellos amigos que deseen y usen PyTorch para el desarrollo y la investigación en deep learning a iniciarse rápidamente. Todos los tutoriales de Pytorch incluidos han sido probados y garantizan una ejecución exitosa.
Una lista curada de excelentes bibliotecas de código abierto para desplegar, monitorear, versionar y escalar tu machine learning
Qwen3-VL es la serie de modelos de lenguaje grandes multimodales desarrollada por el equipo Qwen de Alibaba Cloud.
El Unity Machine Learning Agents Toolkit (ML-Agents) es un proyecto de código abierto que permite que los juegos y simulaciones sirvan como entornos para entrenar agentes inteligentes utilizando aprendizaje por refuerzo profundo e imitación.
Kit de herramientas para linealizar PDF para conjuntos de datos/entrenamiento de LLM
《Redes neuronales y aprendizaje profundo》 de Qiu Xipeng, segunda edición y edición de divulgación general: libro electrónico, índice de capítulos, recursos de aprendizaje y erratas.
ARIS ⚔️ (Auto-Research-In-Sleep) — Habilidades ligeras solo en Markdown para investigación autónoma en ML: bucles de revisión entre modelos, descubrimiento de ideas y automatización de experimentos. Sin framework, sin bloqueo — funciona con Claude Code, Codex, OpenClaw o cualquier agente LLM.
Materiales para el curso "Learn PyTorch for Deep Learning: Zero to Mastery".
:book: Una lista curada de recursos dedicados al Procesamiento de Lenguaje Natural (NLP)
Una biblioteca de JavaScript acelerada por WebGL para entrenar y desplegar modelos de ML.
[🔥actualizando ...] Robot de trading cuantitativo AI automático (despliegue completamente local) Plataforma de investigación de inversiones cuantitativas impulsada por IA. 📃 documentación en línea: https://ufund-me.github.io/Qbot ✨ :news: qbot-mini: https://github.com/Charmve/iQuant
🐫 CAMEL: El primer y mejor framework multiagente. Descubriendo la Ley de Escalado de Agentes. https://www.camel-ai.org
Este proyecto abarca los puntos de conocimiento e implementaciones de código que se suelen preguntar en las entrevistas de Machine Learning, Deep Learning y PNL, y es también un conocimiento teórico fundamental que todo ingeniero de algoritmos debe dominar.
tutoriales, artículos y otros recursos sobre aprendizaje automático y aprendizaje profundo
Ejemplos de código para mi libro "Neural Networks and Deep Learning"
Modelo TTS de código abierto y de última generación que funciona en una CPU 😻
《Tutorial de Aprendizaje Profundo de Li Hongyi》(Recomendado por el profesor Li Hongyi 👍, Apple Books 🍎), Enlace de descarga PDF: https://github.com/datawhalechina/leedl-tutorial/releases
Una lista curada de cursos, libros, videoconferencias y artículos sobre Inteligencia Artificial (IA).
Una lista completa de contenido relacionado con Pytorch en GitHub, como diferentes modelos, implementaciones, bibliotecas auxiliares, tutoriales, etc.
OpenAI Baselines: implementaciones de alta calidad de algoritmos de aprendizaje por refuerzo
MNN: Un motor de inferencia ultrarrápido y ligero, probado en combate por Alibaba, impulsando LLMs y Edge AI de alto rendimiento en dispositivos.
Una red neuronal que transforma un mock-up de diseño en un sitio web estático.
pix2tex: Usando un ViT para convertir imágenes de ecuaciones en código LaTeX.
Anotación de imágenes con Python. Soporta polígono, rectángulo, círculo, línea, punto y anotación asistida por IA.
Burn es una biblioteca de tensores de próxima generación y un marco de aprendizaje profundo que no compromete la flexibilidad, la eficiencia ni la portabilidad.
Convierta documentos en datos estructurados sin esfuerzo. Unstructured es una solución ETL de código abierto para transformar documentos complejos en formatos limpios y estructurados para modelos de lenguaje. Visite nuestro sitio web para obtener más información sobre nuestro producto Platform de nivel empresarial para flujos de trabajo de nivel de producción, partición, enriquecimiento, fragmentación y incrustación.
API de reconocimiento de voz offline para Android, iOS, Raspberry Pi y servidores con Python, Java, C# y Node
Este repositorio contiene el código fuente del artículo First Order Motion Model for Image Animation
RWKV (pronunciado RwaKuv) es un RNN con un gran rendimiento de LLM, que también se puede entrenar directamente como un transformer GPT (paralelizable). Estamos en RWKV-7 "Goose". Por lo tanto, combina lo mejor de RNN y transformer: gran rendimiento, tiempo lineal, espacio constante (sin caché kv), entrenamiento rápido, ctx_len infinito y incrustación de oraciones gratuita.
Animate Anyone: Síntesis de imagen a video coherente y controlable para animación de personajes