#deep-learning Dépôts
2,273 dépôts au total
Réseaux de neurones et apprentissage profond : études de cas et pratique, deuxième édition : 10 chapitres de pratique avec PyTorch, notebooks, tests et livre électronique.
Une bibliothèque d'apprentissage profond pour la recherche sur la compréhension vidéo.
Tous les supports de cours pour le cours Zero to Mastery Machine Learning and Data Science.
[CVPR19/TPAMI23] SiamMask : Un cadre pour le suivi et la segmentation rapides d'objets en ligne
Serveur d'inférence open source et cluster de production pour tous les modèles dont votre agent a besoin.
🛠 IDE tout-en-un basé sur le web spécialisé en machine learning et data science.
Synthèse vocale vietnamienne avec clonage vocal instantané • Sur l’appareil • Inférence CPU en temps réel • Qualité audio 48 kHz • Synthèse de texte en vietnamien • Texte en voix vietnamienne • TTS vietnamien
PennyLane est une plateforme logicielle quantique open-source pour l’informatique quantique, l’apprentissage machine quantique et la chimie quantique. Créez des algorithmes quantiques significatifs, de l’inspiration à la mise en œuvre.
:earth_americas: tutoriels d'apprentissage automatique (principalement en Python3)
StudioGAN est une bibliothèque Pytorch fournissant des implémentations de réseaux antagonistes génératifs (GAN) représentatifs pour la génération d'images conditionnelles/inconditionnelles.
Un petit package pour créer des visualisations de graphes d'exécution de PyTorch
Débogage, surveillance et visualisation pour Python Machine Learning et Data Science
【PyTorch】Paquet facile à utiliser, modulaire et extensible de modèles CTR basés sur l'apprentissage profond.
Framework d'apprentissage profond open-source pour construire, entraîner et affiner des modèles d'apprentissage profond à l'aide de méthodes Physics-ML de pointe
Base de code officielle utilisée pour développer Vision Transformer, SigLIP, MLP-Mixer, LiT et plus encore.
Excellent projet pour le recrutement universitaire, les campagnes d'automne, les campagnes de printemps et les stages ! Nous vous guiderons pas à pas dans l'implémentation d'une bibliothèque d'inférence d'apprentissage profond haute performance, prenant en charge l'inférence de grands modèles tels que llama2, Unet, YoloV5, Resnet, etc. Implémentez pas à pas une bibliothèque d'inférence d'apprentissage profond haute performance.
Excellent travail sur l'estimation/le suivi de la pose de la main
Collection d'interprétations d'articles AI for Science (mise à jour continue), téléchargement d'articles/jeux de données/tutoriels : hyper.ai
Boîte à outils de restauration d'images (PyTorch). Codes d'entraînement et de test pour DPIR, USRNet, DnCNN, FFDNet, SRMD, DPSR, BSRGAN, SwinIR
Liaisons .NET Standard pour TensorFlow de Google pour développer, entraîner et déployer des modèles d'apprentissage automatique en C# et F#.
Une bibliothèque pour l'analyse audio et musicale, l'extraction de caractéristiques.
Ce dépôt est une collection sélectionnée de projets pratiques en data science adaptés aux débutants. Que vous commenciez tout juste votre parcours en data science ou que vous souhaitiez renforcer vos compétences, ces projets offrent une manière pratique et interactive d'appliquer vos connaissances.
Boîte à outils et benchmark de la série YOLO d'OpenMMLab. Implémenté RTMDet, RTMDet-Rotated, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOX, PPYOLOE, etc.
🔥🔥🔥 [IEEE TCSVT] Derniers articles, codes et ensembles de données sur les Vid-LLMs.
Une collection complète de ressources relatives aux KAN (Kolmogorov-Arnold Network), y compris des bibliothèques, des projets, des tutoriels, des articles, etc., pour les chercheurs et les développeurs dans le domaine du Kolmogorov-Arnold Network.
Moteur d'échecs à réseau de neurones open source avec accélération GPU et large support matériel.
Otter, un modèle multimodal basé sur OpenFlamingo (version open-source de Flamingo de DeepMind), entraîné sur MIMIC-IT et démontrant une capacité améliorée à suivre les instructions et l'apprentissage en contexte.
Apprenez à concevoir, développer, déployer et itérer sur des applications ML prêtes pour la production.
Ce repository est conçu pour aider les débutants en machine learning ou ceux qui se préparent à un étude. (This repository is intended for helping those who are beginners in machine learning or preparing for study)
Usine à facteurs automatisée open source basée sur l'apprentissage par renforcement profond.
Répertoire de tutoriels et de dépôts de code open-source pour travailler avec Keras, la bibliothèque d'apprentissage profond Python
Jittor est un framework d'apprentissage profond haute performance basé sur la compilation JIT et les méta-opérateurs.
Determined est une plateforme open-source d'apprentissage automatique qui simplifie l'entraînement distribué, le réglage des hyperparamètres, le suivi des expériences et la gestion des ressources. Fonctionne avec PyTorch et TensorFlow.
Un système d'E/S à haute performance basé sur Python pour les problèmes d'apprentissage profond de grande (et petite) taille, avec un fort support pour PyTorch.
Référentiel de tutoriels Jupyter notebook pour l'enseignement du cours Deep Learning à l'Université d'Amsterdam (MSc AI), Automne 2023