#keras Repositorios
137 repositorios en total
Escenarios, tutoriales y demostraciones para Conducción Autónoma
Domina las habilidades esenciales necesarias para reconocer y resolver problemas complejos del mundo real con Machine Learning y Deep Learning aprovechando el ecosistema de Python Machine Learning altamente popular.
🔎 Monitorea el entrenamiento de modelos de aprendizaje profundo y el uso de hardware desde tu teléfono móvil 📱
Implementación de PyTorch y TensorFlow de modelos neuronales cableados NCP, LTC y CfC
Deep Learning Avanzado con Keras, publicado por Packt
Entrene modelos de IA de manera eficiente en imágenes médicas utilizando cualquier framework
Gráficos de redes neuronales y métricas de entrenamiento para PyTorch, Tensorflow y Keras.
🤖 Experimentos interactivos de Machine Learning: 🏋️entrenamiento de modelos + 🎨demo de modelos
Clasificación de texto largo en chino, clasificación de oraciones cortas, clasificación multietiqueta, similitud de dos oraciones (Chinese Text Classification of Keras NLP, multi-label classify, or sentence classify, long or short), capa de incrustación de vectores de caracteres/palabras/oraciones (embeddings) y capa de red (graph) clase base de construcción, FastText, TextCNN, CharCNN, TextRNN, RCNN, DCNN, DPCNN, VDCNN, CRNN, Bert, Xlnet, Albert, Attention, DeepMoji, HAN, Red de Cápsulas-CapsuleNet, Transformer-encode, Seq2seq, SWEM, LEAM, TextGCN
Apuestas deportivas de la NBA usando aprendizaje automático
Un kit de herramientas para optimizar modelos de ML para el despliegue en Keras y TensorFlow, incluyendo cuantización y poda.
Modelo de aprendizaje profundo de vanguardia para analizar sentimientos, emociones, sarcasmo, etc.
Una versión empaquetada y flexible del detector de texto CRAFT y el modelo de reconocimiento Keras CRNN.
CREPE: Una Representación Convolucional para la Estimación de Altura -- modelo preentrenado (ICASSP 2018)
Gráfico de pérdida de entrenamiento en vivo en Jupyter Notebook para Keras, PyTorch y otros
Una lista curada de recursos increíbles de Deep Learning (DL) para el Procesamiento de Lenguaje Natural (NLP)
¡Una caja de herramientas para iNNvestigar las predicciones de redes neuronales!
ktrain es una biblioteca de Python que hace que el aprendizaje profundo y la IA sean más accesibles y fáciles de aplicar
Implementación en Keras de "One pixel attack for fooling deep neural networks" usando evolución diferencial en Cifar10 e ImageNet
:smiley_cat: Plantilla de app clasificador de imágenes bonita y simple. Despliega tu modelo entrenado propio o modelo preentrenado (VGG, ResNet, Densenet) en una app web usando Flask en 10 minutos.
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.
Una biblioteca ligera e independiente de cabeceras para usar modelos Keras (TensorFlow) en C++.
Colorear imágenes en blanco y negro con aprendizaje profundo.
Repositorio de código para Deep Learning con Keras publicado por Packt
Reconocimiento de gestos mediante CNN. Implementado en Keras + Tensorflow/Theano + OpenCV
Entrenamiento de modelos neuronales con señales estructuradas.
Una herramienta para convertir archivos ONNX a LiteRT/TFLite/TensorFlow, código nativo de PyTorch (nn.Module), TorchScript (.pt), state_dict (.pt), Exported Program (.pt2) y Dynamo ONNX. También soporta la conversión directa de LiteRT a PyTorch.
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.
Código fuente relacionado con el proyecto de reconocimiento de expresiones faciales en el reconocimiento facial
Un curso de aprendizaje automático utilizando Python, Jupyter Notebooks y OpenML
Una interfaz uniforme para ejecutar modelos de aprendizaje profundo de múltiples frameworks
Deep Speaker: un sistema de incrustación de hablante neuronal de extremo a extremo.
Una colección curada de recursos iOS, ML y AR, con algunas adiciones de UI.