#deep-learning Dépôts
2,273 dépôts au total
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.
Reconstruction faciale 3D précise par apprentissage faiblement supervisé : De l'image unique à l'ensemble d'images (CVPRW 2019). Une implémentation PyTorch.
Un framework d'apprentissage profond basé sur PyTorch pour la segmentation d'images médicales multimodales 2D/3D
[ICCV 2023] Make-It-3D : Création 3D haute fidélité à partir d'une seule image avec Priorité de Diffusion
Apprentissage profond en Rust, avec des tenseurs à forme vérifiée et des réseaux neuronaux
Entraînez efficacement des modèles d'IA sur des images médicales à l'aide de n'importe quel framework
DeepSeekMoE : Vers une spécialisation ultime des experts dans les modèles de langage Mixture-of-Experts
Ceci est une liste de ressources pour l'amélioration des images en basse lumière
Un système de programmation probabiliste à usage général avec inférence programmable
😎 Une liste à jour et organisée d'articles, de méthodes et de ressources géniaux sur l'apprentissage semi-supervisé.
Une liste organisée de jeux de données radar, de détection, de suivi et de fusion
Bibliothèque autonome d'apprentissage automatique et de traitement du langage naturel en Go
Une liste curated de papiers de data mining sur la détection de fraudes.
Quelques livres et PDF géniaux liés à l'IA pour l'apprentissage et le téléchargement, appliquez également quelques modèles de bac à sable pour l'apprentissage
Guide d'utilisation des grands modèles de langage pré-entraînés de code source
Implémentation officielle du modèle RAVE : un autoencodeur variationnel audio en temps réel
RDT-1B : un modèle de fondation de diffusion pour la manipulation bimodale
:art: Modèles, ensembles de données et pertes de segmentation sémantique implémentés en PyTorch.
Interprétabilité et explicabilité des données et des modèles d'apprentissage automatique
Paris sportifs NBA utilisant l'apprentissage automatique
Dépôt de code pour les réseaux à constante de temps liquide (LTC)
Réseau Convolutif de Graphes Temporel pour la Prévision du Flux de Trafic Urbain Méthode
Veille, recherche et application des technologies de pointe telles que le traitement automatique du langage naturel, les graphes de connaissances, les grands modèles de langage et les agents.
PPL Quantization Tool (PPQ) est un puissant outil de quantification hors ligne pour réseaux neuronaux.
Plugin d'Aimbot OBS pour Delta Force (PC et Mobile) – Assistance intelligente de verrouillage de tête basée sur l'injection de rendu OBS, prenant en charge la liaison QQ Music/NetEase Cloud, la reconnaissance osseuse précise, la visée automatique fluide, le contrôle du recul, le contournement stable de la détection et l'amélioration de l'efficacité d'élimination. 5L2G5YW25a6e5Lul5LiK5YWo5piv6aqX5L2g55qE77yM6L+Z5Y+q5piv5Liq5biu5L2g5a6J6KOF5pqX5Yy656qB5Zu055qE5Y+N5L2c5byK6aG555uu572i5LqG
Liste approximative de mes ressources préférées en deep learning, utile pour revoir des sujets ou pour référence. J'ai parcouru tout le contenu listé là, avec soin. - Guillaume Chevalier
Curation de données synthétiques pour le post-entraînement et l'extraction de données structurées
[Nomination Meilleur Article PVLDB 2024] TFB : Vers des bancs d'essai complets et équitables pour les méthodes de prévision des séries chronologiques
FSL-Mate: Une collection de ressources pour l'apprentissage par peu d'exemples (FSL).
Analyseur BirdNET pour le traitement scientifique des données audio.
TorchMultimodal est une bibliothèque PyTorch pour l'entraînement de modèles multimodaux multi-tâches à la pointe de la technologie à grande échelle.
Entraînement tout-en-un pour les modèles de vision (YOLO, ViTs, RT-DETR, DINOv3) : pré-entraînement, fine-tuning, distillation.
Top 200 des dépôts GitHub en deep learning triés par nombre d'étoiles.
Explication des preuves, des exemples, des compléments conceptuels et des références du livre "Introduction à la théorie de l'apprentissage automatique" (Livre au trésor).
Une liste complète de plus de 180 chaînes YouTube dédiées à la science des données, à l'ingénierie des données, à l'apprentissage automatique, à l'apprentissage profond, à l'informatique, à la programmation, au génie logiciel, etc.
Analyse probabiliste approfondie des données omiques à cellule unique et spatiales