Jupyter Notebook Dépôts
1,614 dépôts au total
Bras robotique + grand modèle + multimodal = Agent incarné intelligent de collaboration homme-machine
Modèle basé sur l'attention pour apprendre à résoudre différents problèmes de routage
Scripts utiles, UDF, vues et autres utilitaires pour la migration et les opérations de data warehouse dans BigQuery.
ProtTrans fournit des modèles de langage pré-entraînés de pointe pour les protéines. ProtTrans a été entraîné sur des milliers de GPU de Summit et des centaines de TPU Google en utilisant des modèles Transformers.
Cahiers pédagogiques sur la recherche d'informations musicales.
Ce dépôt contient des mini-projets en apprentissage automatique avec des fichiers notebook
Méthodes de calcul efficaces développées par Huawei Noah's Ark Lab
JoyCaption est un modèle linguistique visuel (VLM) de légende d'image, développé à partir de zéro comme un modèle gratuit, ouvert et non censuré destiné à la communauté pour l'entraînement des modèles de diffusion.
Dépôt officiel pour "Mish: A Self Regularized Non-Monotonic Neural Activation Function" [BMVC 2020]
Apprentissage automatique pour l'imputation et la prédiction des données de transport.
[ECCV`24&ICLR`25] Série CityGaussian pour la reconstruction de scènes à grande échelle de haute qualité avec des Gaussiennes
Boîte à outils PiML (Python Interpretable Machine Learning) pour le développement et le diagnostic de modèles
Passer d'aucune connaissance en apprentissage profond à la mise en œuvre de GPT.
Notes de lecture sur l'apprentissage profond et l'apprentissage automatique
PySpark-Tutorial fournit des algorithmes de base à l'aide de PySpark
Code pour les représentations de mouvement pour le papier d'animation articulée
:art: Version améliorée de la reconnaissance de formules mathématiques : Formules manuscrites et imprimées en chinois et anglais, prend en charge le raisonnement de base sur les symboles (structure de données basée sur l'arbre de syntaxe abstraite LaTeX) Math Formula OCR Pro, prend en charge l'écriture manuscrite, les formules mixtes chinois-anglais et le raisonnement simple sur les symboles (basé sur LaTeX AST).
Code / solutions pour les mathématiques pour l'apprentissage automatique (Livre MML)
Deep Reinforcement Learning Hands-On : Deuxième Édition, publié par Packt
ktrain est une bibliothèque Python qui rend l'apprentissage profond et l'IA plus accessibles et plus faciles à appliquer
Therapeutics Commons (TDC) : Fondation multimodale pour la science thérapeutique
Réplication de projets CV simples incluant attention, classification, détection, détection de points clés, etc.
Python for Algorithmic Trading Cookbook, publié par Packt
Contenu de l'atelier DeepRacer. Ce guide montre comment les développeurs logiciels peuvent utiliser une instance de notebook Amazon SageMaker pour entraîner et évaluer directement les modèles AWS DeepRacer avec un contrôle total.
WeVisOne-VL est un puissant modèle de vision et de langage (VLM) développé par l’équipe WeChat Vision de Tencent. Il unifie la perception au niveau des objets et des pixels, des points et des cadres aux masques et aux caches alpha.
Théorie du traitement du signal numérique (DSP) : signaux, filtration (IIR, FIR, CIC, MAF), transformations (FFT, DFT, Hilbert, transformée en Z) etc.
E2M convertit divers types de fichiers (doc, docx, epub, html, htm, url, pdf, ppt, pptx, mp3, m4a) en Markdown. Il est facile à installer, avec des analyseurs et des convertisseurs dédiés, prenant en charge des configurations personnalisées. E2M offre une solution tout-en-un, flexible et open-source.
Un Framework PyTorch pour les Modèles de Recommandation, Facile à utiliser et Facile à étendre.
Commencez à apprendre C# avec les notebooks C# alimentés par .NET Interactive et VS Code.
Boîte à outils tout-en-un pour reprises de chansons RVC sur Google Colab : extrayez l'audio de YouTube, séparez les voix, entraînez un modèle et exécutez l'inférence.
GenMedia Creative Studio est une expérience utilisateur de médias génératifs mettant en avant l'utilisation de Gemini, Gemini Omni, Veo, Gemini Image 🍌, Gemini TTS, Chirp 3, Lyria et d'autres API de médias génératifs sur Google Cloud.
Implémentation et explication en PyTorch des articles sur l'apprentissage de représentations de graphes: DeepWalk, GCN, GraphSAGE, ChebNet & GAT.
Implémentation Keras de "One pixel attack for fooling deep neural networks" utilisant l'évolution différentielle sur Cifar10 et ImageNet