#tensorflow Repositorios
454 repositorios en total
GPU-Jupyter: Tu JupyterLab acelerado por GPU con un rico stack de herramientas de ciencia de datos, TensorFlow y PyTorch para tus experimentos de aprendizaje profundo reproducibles.
Artículos recientes de alta citación/conferencias top sobre la interpretabilidad de modelos de redes neuronales en aprendizaje profundo (con código)
La implementación de Tensorflow, Keras de U-net, V-net, U-net++, UNET 3+, Attention U-net, R2U-net, ResUnet-a, U^2-Net, TransUNET y Swin-UNET con backbones opcionales pre-entrenados en ImageNet.
Servicio de serving genérico y fácil de usar para modelos de machine learning
La implementación de ANPR / ALPR más rápida del mundo para CPU, GPU, VPU y NPU mediante Transformers (ONNX, TensorFlow Lite, TensorRT, Hailo, OpenVINO, RKNN2...). Compatible con múltiples conjuntos de caracteres (latino, coreano y chino), sistemas operativos (Jetson, Android, Raspberry Pi, Linux y Windows) y arquitecturas (ARM, x86).
Extensiones de Dataset, streaming y sistema de archivos mantenidas por TensorFlow SIG-IO
NeuPy es una biblioteca de Python basada en Tensorflow para prototipar y construir redes neuronales.
Código para el artículo "Computation Offloading Optimization for UAV-assisted Mobile Edge Computing: A Deep Deterministic Policy Gradient Approach"
Revisitar modelos preentrenados para el procesamiento del lenguaje natural chino (MacBERT)
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
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.
Resumen del código de aprendizaje de JavaScript, funciones avanzadas, estructuras de datos, patrones de diseño, typescript, vue, angular, react, node, webpack, weex, mini-programas, tensorflow..., ¡JavaScript es el mejor lenguaje del mundo!
Un framework ML sin dependencias en C con una API de Python moderna para control total sobre ejecución y memoria.
Una hoja de ruta completa de ML (Machine Learning) Full Stack implica aprender las habilidades y tecnologías necesarias para dominar todos los aspectos del machine learning, incluida la recopilación y preprocesamiento de datos, el desarrollo de modelos, la implementación y el mantenimiento.
Un modelo de aprendizaje profundo rápido para upscalear videos de baja resolución a alta resolución a 30 fps
Deep Learning en Flink busca integrar Flink y marcos de aprendizaje profundo (por ejemplo, TensorFlow, PyTorch, etc.) para habilitar el entrenamiento e inferencia de aprendizaje profundo distribuido en un clúster de Flink.
Reconocimiento de voz sin conexión con OpenAI Whisper y TensorFlow Lite para Android
Una colección de algoritmos de última generación para el entrenamiento, servicio e interpretación de modelos de Decision Forest en Keras.
Fabric for Deep Learning (FfDL, pronunciado fiddle) es una Plataforma de Deep Learning que ofrece TensorFlow, Caffe, PyTorch, etc. como Servicio en Kubernetes.
[JMLR 2023] Quantus es un kit de herramientas de IA explicable para la evaluación responsable de las explicaciones de redes neuronales
Una biblioteca para entrenar, evaluar, interpretar y producir modelos de bosques de decisión como Random Forest y Gradient Boosted Decision Trees.
Soporte de instalación para marcos de aprendizaje profundo para el Sistema ArcGIS
De grande a pequeño: Guía planar local multi-escala para la estimación de profundidad monocular
Generadores de datos sintéticos para texto estructurado y no estructurado, con aprendizaje diferencialmente privado.
Este repositorio incluye tutoriales sobre cómo usar las APIs de estimador de TensorFlow para realizar diversas tareas de ML de manera sistemática y estandarizada.
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.
Visualkeras es un paquete de Python que ayuda a visualizar arquitecturas de redes neuronales Keras (independientes o incluidas en TensorFlow). Permite un estilo fácil para adaptarse a la mayoría de las necesidades. Este módulo admite la generación de arquitecturas de estilo en capas, lo que es ideal para CNN (Redes Neuronales Convolucionales), y una arquitectura de estilo gráfico, que funciona muy bien para la mayoría de los modelos, incluidas las redes feed-forward simples.
Implementación de algoritmos de Inverse Reinforcement Learning (IRL) en Python/TensorFlow. Deep MaxEnt, MaxEnt, LPIRL
🚀 200x de velocidad! La herramienta de descarga de la era AI | Acceleración total para Docker/PyPI/HuggingFace/CRAN | Fragmentación paralela + caché inteligente, deja que las descargas vuelen.
Utilidades y ayudantes adicionales para extender TensorFlow al construir sistemas de recomendación, aportados y mantenidos por SIG Recommenders.
Keras beit,caformer,CMT,CoAtNet,convnext,davit,dino,efficientdet,edgenext,efficientformer,efficientnet,eva,fasternet,fastervit,fastvit,flexivit,gcvit,ghostnet,gpvit,hornet,hiera,iformer,inceptionnext,lcnet,levit,maxvit,mobilevit,moganet,nat,nfnets,pvt,swin,tinynet,tinyvit,uniformer,volo,vanillanet,yolor,yolov7,yolov8,yolox,gpt2,llama2, alias kecam