#deep-neural-networks Repositorios
103 repositorios en total
Colección de cuadernos de Google Colaboratory para experimentos rápidos y sencillos
Una biblioteca de PyTorch y plataforma de evaluación para la investigación de compresión de extremo a extremo
🚀 Recursos GRATUITOS de IA - 🎓 Cursos, 👷 Empleos, 📝 Blogs, 🔬 Investigación de IA y mucho más, ¡para todos!
Ejemplo de Machine Learning con TensorFlow para Android (Construyendo TensorFlow para Android)
La Medical Detection Toolkit contiene implementaciones 2D + 3D de detectores de objetos prevalentes como Mask R-CNN, Retina Net, Retina U-Net, así como un marco de entrenamiento e inferencia enfocado en el manejo de imágenes médicas.
🚀 La API de Conteo de Objetos de TensorFlow es un marco de código abierto construido sobre TensorFlow y Keras que facilita el desarrollo de sistemas de conteo de objetos!
Una colección de recursos sobre aplicaciones de Transformers en imágenes médicas.
Marco de secuencia a secuencia con enfoque en Traducción Automática Neuronal basado en PyTorch
Autoencoder variacional implementado en tensorflow y pytorch (incluido el flujo autorregresivo inverso)
Diagramas para visualizar la arquitectura de redes neuronales
Una biblioteca adversarial de PyTorch para métodos de ataque y defensa en imágenes y grafos
Repositorio complementario de GANs in Action: Deep learning con Redes Generativas Antagónicas
[ICML2024 (Oral)] Implementación oficial de PyTorch de DoRA: Adaptación de bajo rango descompuesta por pesos
Implementación agnóstica de framework para métodos de saliencia de vanguardia (XRAI, BlurIG, SmoothGrad y más).
Un compilador poliedral para expresar algoritmos paralelos de datos rápidos y portátiles
Aprende deep learning con tensorflow 2.0, keras y python a través de esta completa serie de tutoriales de deep learning. Aprende deep learning desde cero. Serie de deep learning para principiantes. Tutoriales de tensorflow, tutorial de tensorflow 2.0. tutorial de deep learning en python.
Colección de métodos recientes sobre compresión y aceleración de redes neuronales (profundas).
Ingeniería de Representación: Un Enfoque Descendente para la Transparencia de la IA
Stack de ADAS de nivel 2 gratuito y de código abierto, impulsado por tecnología de IA de extremo a extremo
TinyNeuralNetwork es un framework eficiente y fácil de usar para la compresión de modelos de aprendizaje profundo.
Una lista curada de DATASETS, CODEBASES y PAPERS sobre Multi-Task Learning (MTL), desde la perspectiva del Machine Learning.
Este repositorio contiene una colección de encuestas, conjuntos de datos, artículos y códigos para la estimación de la incertidumbre predictiva en modelos de aprendizaje profundo.
Ejemplo de aprendizaje automático Android TensorFlow Lite
Un intérprete de lenguaje de señas que utiliza el flujo de video en vivo de la cámara.
NeuPy es una biblioteca de Python basada en Tensorflow para prototipar y construir redes neuronales.
Intel® AI Reference Models: contiene optimizaciones de Intel para ejecutar cargas de trabajo de aprendizaje profundo en procesadores Intel® Xeon® Scalable e Intel® Data Center GPUs
Una lista seleccionada (más reciente) de recursos para aprender con etiquetas ruidosas
Ejemplo de predicción de múltiples series temporales multivariadas con redes neuronales recurrentes LSTM en Python con Keras.
Artículos, código y conjuntos de datos sobre aprendizaje profundo para la detección de objetos 3D.
Fabric for Deep Learning (FfDL, pronunciado fiddle) es una Plataforma de Deep Learning que ofrece TensorFlow, Caffe, PyTorch, etc. como Servicio en Kubernetes.
Predicción de precios de acciones utilizando una red neuronal LSTM (memoria a corto y largo plazo) de TensorFlow para la predicción de series temporales
ML-capsule es un proyecto para principiantes y entusiastas de la ciencia de datos con experiencia que no tienen un mentor o guía y desean aprender aprendizaje automático (Machine Learning). Usando nuestro repositorio, pueden aprender ML, DL y muchas tecnologías relacionadas con diferentes proyectos del mundo real y prepararse para entrevistas.
Una biblioteca para capas de redes neuronales bayesianas y estimación de incertidumbre en Deep Learning que extiende el núcleo de PyTorch
ProphitBet es una aplicación de aprendizaje automático para predecir apuestas de fútbol. Analiza el estado de forma de los equipos, calcula estadísticas de los partidos y predice sus resultados mediante métodos avanzados de aprendizaje automático (ML). Además, ofrece agentes de apuestas basados en aprendizaje por refuerzo profundo (DRL), capaces de aprender estrategias de apuestas óptimas.
Este repositorio contiene el código de evaluación para el artículo "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI"
Animación automática de personajes 3D utilizando técnicas de estimación de pose y generación de puntos de referencia
El Microsoft Scalable Noisy Speech Dataset (MS-SNSD) es un conjunto de datos de voz ruidosa que puede escalar a tamaños arbitrarios dependiendo del número de hablantes, tipos de ruido y niveles de Relación Señal-Ruido (SNR) deseados.
Un Conjunto de Datos Multimodal a Gran Escala de Coches con Simulaciones de Dinámica de Fluidos Computacional y Benchmarks de Aprendizaje Profundo
Pipeline de aumento para la renderización de procesos de impresión en papel sintético, fax, escaneo y copiado
Archivo '笔和线段的一种划分.py', solo necesitas ingresar los datos high y low de las velas K, y se realiza automáticamente la división en trazos, segmentos de línea, núcleo, puntos de compra y venta, y tipos de tendencia. Puedes usar sh.csv como archivo de entrada. Currículum en pdf. El poder del tiempo. Algunos dicen que el timing es muy difícil, otros que seleccionar acciones es fácil, otros que las instalaciones IT para arbitraje estadístico son muy importantes. Y algunos dicen que el sistema tiene principios impredecibles. Opiniones divididas. Un sistema distribuido, cuando tu influencia puede ser ignorada, solo entonces puedes lograrlo, como dijo el presidente Jiang: hacerse rico en silencio. En la primera semana, el mercado cayó un 1 %, gané diez mil, un 5 % de ganancia. #Acciones #Bolsa #TeoríaChan https://v.kuaishou.com/bFEl6M Copia este mensaje y abre 【Kwai】 para ver!