#deep-learning Repositorios
2,273 repositorios en total
Se seleccionaron más de 10 000 proyectos, que incluyen aprendizaje automático, aprendizaje profundo, NLP, GNN, sistemas de recomendación, biomedicina, visión artificial, desarrollo frontend y backend, etc. Que más proyectos excelentes sean descubiertos por la gente. ¡Continúa actualizando! ¡Bienvenido a destacar!
Colección de métodos recientes sobre compresión y aceleración de redes neuronales (profundas).
Código fuente relacionado con el proyecto de reconocimiento de expresiones faciales en el reconocimiento facial
Modelo base para "GraspNet-1Billion: Un benchmark a gran escala para la sujeción general de objetos" (CVPR 2020)
Conjuntos de datos de audio de IA (AI-ADS) 🎵, que incluyen Voz, Música y Efectos de Sonido, los cuales pueden proporcionar datos de entrenamiento para IA Generativa, AIGC, entrenamiento de modelos de IA, desarrollo de herramientas de audio inteligentes y aplicaciones de audio.
Modelos Transformer de BERT a GPT-4, entornos de Hugging Face a OpenAI. Ejemplos de ajuste fino, entrenamiento e ingeniería de prompts. Una sección adicional con ChatGPT, GPT-3.5-turbo, GPT-4 y DALL-E, que incluye el inicio rápido de GPT-4, voz a texto, texto a voz, generación de texto a imagen con DALL-E, Google Cloud AI, HuggingGPT y más.
Curando una lista de investigaciones relacionadas con AutoML, herramientas, proyectos y otros recursos
Un curso de aprendizaje automático utilizando Python, Jupyter Notebooks y OpenML
Entrenamiento rápido de campos de radiancia neuronal con trayectorias de cámara libres
Blog técnico de algoritmos de aprendizaje automático en Python, ¡con contenido original! ¡Con práctica de código! 【Para más contenido, síguelo en la cuenta pública "Avance de Algoritmos"】
🔥🔥🔥Caja de herramientas de algoritmos de IA sin conexión y gratuita para Java, que admite reconocimiento facial, detección de vida, reconocimiento de expresiones, detección de objetos, segmentación de instancias, detección de peatones, reconocimiento de texto OCR, reconocimiento de matrículas, reconocimiento de tablas, ASR+TTS, traducción automática y otras funciones. Se puede utilizar mediante referencia de Maven. Admite PyTorch, Tensorflow e integra modelos convencionales como Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5), Whisper, etc.
[CVPR 2022] Implementación oficial del artículo "Uformer: Un Transformer general en forma de U para la restauración de imágenes".
Una interfaz uniforme para ejecutar modelos de aprendizaje profundo de múltiples frameworks
Mamba-Chat: Un LLM de chat basado en la arquitectura del modelo de espacio de estados 🐍
Biblioteca de aprendizaje activo bayesiano para casos de uso en investigación e industriales.
Deep Speaker: un sistema de incrustación de hablante neuronal de extremo a extremo.
[ICLR 2026] Sobre la generalización de SFT: Una perspectiva de aprendizaje por refuerzo con rectificación de recompensas.
Implementación oficial de PyTorch de ODISE: Segmentación Panóptica de Vocabulario Abierto con Modelos de Difusión de Texto a Imagen [CVPR 2023 Highlight]
Visión por Computadora Moderna con PyTorch, publicada por Packt
🤖 Repositorios, herramientas, sitios web, artículos y tutoriales de IA recolectados automáticamente. Caja de herramientas práctica de IA 💎
Stack de ADAS de nivel 2 gratuito y de código abierto, impulsado por tecnología de IA de extremo a extremo
U-Mamba: Mejora de la dependencia a larga distancia para la segmentación de imágenes biomédicas
Un transportador flexible y de alto rendimiento para modelos de aprendizaje automático(『飞桨』 Marco de implementación de servicios)
Vchitect-2.0: Transformer paralelo para escalar modelos de difusión de video
😇Una implementación en PyTorch del modelo DeepMoji: modelo de aprendizaje profundo de vanguardia para analizar sentimientos, emociones, sarcasmo, etc.
[ICLR 2024] Implementación oficial de PyTorch de FasterViT: Vision Transformers rápidos con atención jerárquica
MindSpore + 🤗Huggingface: Ejecute cualquier modelo de Transformers/Diffusers en MindSpore con compatibilidad y aceleración perfectas.
Implementación de Muse: Generación de texto a imagen a través de transformadores generativos enmascarados en Pytorch
Un modelo OCR de LaTeX SOTA minimalista con solo 20M de parámetros, que se ejecuta en el navegador. Pipeline de entrenamiento completo disponible para auto-reproducción. | Modelo OCR de fórmula LaTeX SOTA ultraligero con solo 20M de parámetros, que se ejecuta en el navegador. Código de entrenamiento completo de código abierto para autoaprendizaje y reproducción.