#deeplearning Repositorios
Descubre 79 repositorios activos de código abierto de GitHub etiquetados con #deeplearning, que acumulan 501,253 estrellas en total (una media de 6,344 estrellas por proyecto). El líder de este tema es deepfakes/faceswap, con 57,626 estrellas.
79 repositorios en total
VoxCPM2: TTS sin tokenizador para generación de voz multilingüe, diseño de voz creativo y clonación realista
AiLearning: Análisis de Datos + Aprendizaje Automático Práctico + Álgebra Lineal + PyTorch + NLTK + TF2
Visualizador para modelos de redes neuronales, aprendizaje profundo y aprendizaje automático
Un marco escalable de IA generativa construido para investigadores y desarrolladores que trabajan en Modelos de Lenguaje Grandes, Multimodal y IA de Voz (Reconocimiento Automático de Voz y Texto a Voz)
Simulador de código abierto para vehículos autónomos construido sobre Unreal Engine / Unity, de Microsoft AI & Research
tutoriales, artículos y otros recursos sobre aprendizaje automático y aprendizaje profundo
Marco de entrenamiento distribuido para TensorFlow, Keras, PyTorch y Apache MXNet.
Libro MIT Deep Learning en formato PDF (completo y partes) de Ian Goodfellow, Yoshua Bengio y Aaron Courville
Suite de herramientas para desplegar y entrenar modelos de aprendizaje profundo utilizando la JVM. Los aspectos más destacados incluyen la importación de modelos para Keras, TensorFlow y ONNX/PyTorch, una biblioteca C++ modular y diminuta para ejecutar código matemático y una biblioteca matemática Java sobre la biblioteca C++ principal. También incluye SameDiff: una biblioteca similar a PyTorch/TensorFlow para ejecutar aprendizaje profundo...
LangGPT: ¡Empoderando a todos para convertirse en expertos en prompts! 🚀 📌 Proponente del Prompt Estructurado (Structured Prompt) 📌 Iniciador del Meta-Prompt (Meta-Prompt) 📌 El paradigma de implementación de prompts más popular | Language of GPT El marco pionero para el diseño de prompts estructurados y meta-prompts 10,000+ ⭐ | Probado en batalla por miles de usuarios en todo el mundo Creado por 云中江树
Guía china de ChatGPT🔥, Guía de ajuste fino de ChatGPT en chino, Guía de indicaciones, Guía de desarrollo de aplicaciones, Lista de recursos seleccionados, ¡usa mejor chatGPT para aumentar tu productividad! 🚀
Framework de bajo código para construir LLMs personalizados, redes neuronales y otros modelos de IA
Una lista de artículos sobre detección de objetos usando aprendizaje profundo.
El proyecto de código abierto de Python "El camino para aprender a programar", tutorial nivel niñera: Laboratorio de IA, Vídeos tesoro, Estructuras de datos, Guía de aprendizaje, Machine Learning práctico, Deep Learning práctico, Web scraping, Entrevistas en grandes empresas, Vida de programador, Compartir recursos.
Tutoriales, asignaciones y competiciones para cursos relacionados con MIT Deep Learning.
Materiales de laboratorio para MIT 6.S191: Introducción al Deep Learning
Una colección de bibliotecas para optimizar el rendimiento de los modelos de IA
ClearML - CI/CD Auto-Mágico para optimizar tu carga de trabajo de IA. Gestión de Experimentos, Gestión de Datos, Pipeline, Orquestación, Programación y Servicio en una solución MLOps/LLMOps
Gorgonia es una biblioteca que ayuda a facilitar el aprendizaje automático en Go.
T81-558: Keras - Aplicaciones de Redes Neuronales Profundas @Washington University in St. Louis
Herramientas para Diseñar o Visualizar la Arquitectura de Redes Neuronales
Este repositorio es una compilación de recursos gratuitos para aprender Ciencia de Datos.
OpenBot utiliza teléfonos inteligentes como cerebro para robots de bajo costo. Hemos diseñado un pequeño vehículo eléctrico que cuesta alrededor de $50 y sirve como cuerpo de robot. Nuestra pila de software para teléfonos inteligentes Android admite cargas de trabajo robóticas avanzadas como el seguimiento de personas y la navegación autónoma en tiempo real.
Depuración, monitoreo y visualización para Python Machine Learning y Data Science
Red neuronal profunda para extraer información inteligente de documentos de factura.
Una referencia completa para todos los temas relacionados con el Procesamiento del Lenguaje Natural
Implementación de "BitNet: Escalado de transformadores de 1 bit para modelos de lenguaje grandes" en PyTorch
Una lista curada de conjuntos de datos de Ciberseguridad increíblemente geniales
Gráficos de redes neuronales y métricas de entrenamiento para PyTorch, Tensorflow y Keras.
Biblioteca autónoma de Machine Learning y Procesamiento del Lenguaje Natural en Go
Framework de aprendizaje profundo de alto nivel escrito en Kotlin e inspirado en Keras
Una biblioteca de Python para la detección de valores atípicos en grafos (detección de anomalías)
Ejemplo de Machine Learning con TensorFlow para Android (Construyendo TensorFlow para Android)
Una lista curada profesionalmente de fantásticos videos, tutoriales, libros, artículos, tesis doctorales y de maestría, artículos y bibliotecas de código abierto sobre Predicción Conforme.
Detección y reconocimiento facial con aprendizaje profundo, implementado con PyTorch. (Detección y reconocimiento facial implementado con PyTorch)
Qualcomm® AI Hub Models es nuestra colección de modelos de aprendizaje automático de última generación, optimizados para el rendimiento (latencia, memoria, etc.) y listos para ser implementados en dispositivos Qualcomm®.
Una lista profesional sobre Modelos Grandes (de Lenguaje) y Modelos Fundacionales (LLM, LM, FM) para Datos de Series Temporales, Espacio-Temporales y de Eventos.
Preguntas frecuentes
¿Cuál es el repositorio de #deeplearning más popular en GitHub?
El proyecto de código abierto de #deeplearning mejor posicionado en GitHub es deepfakes/faceswap, con 57,626 estrellas. Software de Deepfakes para todos
¿Qué lenguajes de programación se utilizan más en los repositorios de #deeplearning?
Entre los proyectos de #deeplearning mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, Java, Go.
¿Cómo se calcula la clasificación de los repositorios de #deeplearning?
Seguimos 79 repositorios activos de código abierto etiquetados con #deeplearning (500+ estrellas), que suman un total de 501,253 estrellas, con una media de 6,344 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.