#neural-networks Repositorios
277 repositorios en total
Motor de inferencia de Machine Learning para Microcontroladores y Dispositivos Empotrados
Deep Learning para la calibración de cámaras y más allá: Una revisión
Una lista seleccionada de proyectos del conectoma de la mosca de la fruta: MaleCNS, FlyWire, simulaciones cerebrales, modelos corporizados, juegos y herramientas de investigación.
Un marco de aprendizaje profundo para la optimización simbólica.
Notebooks de Colab que cubren herramientas de aprendizaje profundo para la predicción y el diseño de estructuras biomoleculares
Evaluación automática unificada de la calidad para voz, música y sonido.
Inspecciona, visualiza e intervén en cualquier operación de cualquier red neuronal. Captura todas las activaciones y gradientes, el grafo computacional completo y más de 800 campos de metadatos, sin cambiar el código del modelo. Compatible con PyTorch, JAX, TensorFlow, MLX, PaddlePaddle y tinygrad. Validado en más de 6.400 modelos. Creado para investigadores y sus agentes de IA.
YaneuraOu es el motor de Shogi más fuerte del mundo (jugador de IA), ganador del 1er lugar en WCSC29, motor educativo y compatible con USI.
Reproduciendo el artículo de Yann LeCun de 1989 "Backpropagation Applied to Handwritten Zip Code Recognition", hasta donde yo sé la primera aplicación real de una red neuronal entrenada con retropropagación.
Dataset Management Framework, una biblioteca Python y una herramienta CLI para construir, analizar y gestionar conjuntos de datos de visión por computadora.
Tutoriales de aprendizaje automático informados por la física (Pytorch y Jax)
Introducciones a conceptos clave en programación cuántica, así como tutoriales e implementaciones de la investigación de vanguardia en computación cuántica.
Todos mis modelos de mejora (upscaling) de IA autoentrenados y lanzados. Después de recopilar y aplicar más de 600 modelos de mejora diferentes, aprendí a entrenar mis propios modelos, y estos son los resultados.
Implementación oficial en PyTorch de “Mamba-YOLO: Detección de objetos basada en SSM”
YOLOPv2: Mejor, Más Rápido, Más Fuerte para la Percepción Panóptica de la Conducción
Un cerebro que aprende de la experiencia en tiempo real. Sistema 1 de forma predeterminada: percepción, memoria, plasticidad y acción. Sistema 2 opcional para la autoobservación y las correcciones lentas.
Pequeño GPT implementado desde cero en Go puro. Optimizado para la comprensión. Entrenado en libros de Julio Verne.
Optimización no lineal (búsqueda de raíces, mínimos cuadrados, ...) en JAX+Equinox. https://docs.kidger.site/optimistix/
Paquete de Python para realizar coincidencia de entidades y texto utilizando aprendizaje profundo.
Código para el libro Deep Learning From Scratch, de O'Reilly septiembre 2019
Obsoleto, ahora en sktime - paquete compañero para aprendizaje profundo basado en TensorFlow
Este repositorio contiene todo lo que necesita para dominar la investigación de ML/IA y los artículos de investigación
Deep Learning Simplified es un repositorio de código abierto que contiene proyectos de aprendizaje profundo de nivel principiante a avanzado para los colaboradores, que desean comenzar su viaje en el aprendizaje profundo. URL de Devfolio, https://devfolio.co/projects/deep-learning-simplified-f013
Biblioteca de Python para entrenar redes neuronales con un fuerte enfoque en aplicaciones hidrológicas.
Artículos AAAI 2024: Explore una colección completa de investigaciones innovadoras presentadas en una de las principales conferencias de inteligencia artificial. Integre sin problemas las implementaciones de código para una mejor comprensión. ⭐ ¡experimenta la vanguardia del progreso en inteligencia artificial con este repositorio!
Código para el paper "DewarpNet: Single-Image Document Unwarping With Stacked 3D and 2D Regression Networks" (ICCV '19)
Resolver problemas directos e inversos relacionados con ecuaciones diferenciales parciales utilizando redes neuronales informadas por la física de base finita (FBPINNs)
Compendio de recursos de lectura gratuitos sobre ML