#artificial-neural-networks Dépôts
Découvrez 17 dépôts GitHub open source actifs associés à #artificial-neural-networks, cumulant 56,211 étoiles au total (soit une moyenne de 3,306 étoiles par projet). Le projet en tête de ce thème est kmario23/deep-learning-drizzle, avec 12,995 étoiles.
17 dépôts au total
Plongez dans le Deep Learning, l'Apprentissage par Renforcement, le Machine Learning, la Vision par Ordinateur et le NLP en apprenant de ces conférences passionnantes !!
Une référence contenant des styles et des mots-clés que vous pouvez utiliser avec MidJourney AI. Il existe également des pages montrant la comparaison des résolutions, les poids des images, et bien plus encore !
Une bibliothèque Python conçue pour permettre aux développeurs de créer des applications et des systèmes avec des capacités de vision par ordinateur autonomes
(CGCSTCD'2017) Un projet facile, flexible et précis de reconnaissance de plaques d'immatriculation pour les plaques d'immatriculation chinoises dans des situations non contraintes. CGCSTCD = China Graduate Contest on Smart-city Technology and Creative Design
Ici, vous pouvez obtenir toutes les bases de l'apprentissage automatique quantique, les algorithmes, le matériel d'étude, les projets et les descriptions des projets sur le web.
Implémentation PyTorch de diverses méthodes pour l'apprentissage continu (XdG, EWC, SI, LwF, FROMP, DGR, BI-R, ER, A-GEM, iCaRL, Generative Classifier) dans trois scénarios différents.
🚀 Ressources IA GRATUITES - 🎓 Cours, 👷 Emplois, 📝 Blogs, 🔬 Recherche IA, et bien plus encore - pour tous !
Une simulation Unity 2D dans laquelle les voitures apprennent à se diriger de manière autonome sur différents parcours. Les voitures sont dirigées par un réseau neuronal feedforward. Les poids du réseau sont entraînés à l'aide d'un algorithme génétique modifié.
Diagrammes pour visualiser l'architecture des réseaux neuronaux
NeuPy est une bibliothèque Python basée sur Tensorflow pour le prototypage et la construction de réseaux de neurones.
Guide d'apprentissage automatique. Tout savoir sur les outils, bibliothèques, frameworks d'apprentissage automatique, les grands modèles linguistiques (LLM) et les modèles d'entraînement.
Découvrez le processus d'ingénierie néomorphique de création de systèmes d'intégration à très grande échelle (VLSI) contenant des circuits analogiques électroniques pour imiter les architectures neuro-biologiques.
🕵️♂️ Bibliothèque conçue pour les développeurs désireux d’explorer le potentiel des grands modèles de langage (LLM) et d’autres IA génératives via une approche propre, efficace et idiomatique en Go.
Une boîte à outils Python pour l'expérimentation du Reservoir Computing et des réseaux à état d'écho (Echo State Networks) basée sur PyTorch. EchoTorch est le seul module Python disponible pour créer facilement des modèles de Deep Reservoir Computing.
Foire aux questions
Quel est le dépôt #artificial-neural-networks le plus populaire sur GitHub ?
Le projet #artificial-neural-networks open source le mieux classé sur GitHub est kmario23/deep-learning-drizzle, avec 12,995 étoiles. Plongez dans le Deep Learning, l'Apprentissage par Renforcement, le Machine Learning, la Vision par Ordinateur et le NLP en apprenant de ces conférences passionnantes !!
Quels langages de programmation sont les plus utilisés dans les dépôts #artificial-neural-networks ?
Parmi les projets #artificial-neural-networks les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, HTML, C++, Jupyter Notebook.
Comment le classement des dépôts #artificial-neural-networks est-il calculé ?
Nous suivons 17 dépôts open source actifs associés à #artificial-neural-networks (500+ étoiles), totalisant 56,211 étoiles, avec une moyenne de 3,306 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.