#deep-learning Dépôts
2,273 dépôts au total
Intelligence Artificielle, Apprentissage Automatique et Apprentissage Profond formidables, tels que nous les apprenons. Notes d'étude et une liste curated de ressources formidables sur ces sujets.
WiFi-3D-Fusion est un projet de recherche open-source qui utilise les signaux CSI WiFi et l'apprentissage profond pour estimer la pose humaine 3D, fusionnant la détection sans fil avec des techniques de vision par ordinateur pour une conscience spatiale de nouvelle génération.
Logiciels et modèles pré-entraînés pour l'amélioration automatique de la qualité des photos utilisant des Réseaux de Neurones Convolutionnels Profonds
Résumé des ressources d'apprentissage AIOps, bienvenue pour compléter ensemble ce dépôt, bienvenue star
Fonctionnalité supplémentaire utile pour TensorFlow 2.x maintenue par SIG-addons
Une liste de CI et PI pour l'IA, l'apprentissage automatique et l'apprentissage profond.
YomiToku est un paquet Python qui fournit un moteur d'analyse de documents japonais basé sur l'IA. Yomitoku est un paquet d'analyse d'images de documents basé sur l'IA, conçu spécifiquement pour la langue japonaise.
Une boîte à outils d’apprentissage profond pour l’IA en santé : dossiers médicaux électroniques (MIMIC, eICU, OMOP), textes cliniques, signaux et imagerie. Plus de 30 modèles et des pipelines reproductibles.
Articles sur le pré-entraînement et l'apprentissage auto-supervisé sur les réseaux de neurones graphiques (GNN).
Un cadre unifié pour les modèles d'apprentissage profond sur les données tabulaires
Une sélection de matériaux de recherche de pointe sur la prédiction de trajectoire
Solveurs de SDE différentiables avec prise en charge GPU et analyse de sensibilité efficace.
Sionna : une bibliothèque open-source pour la recherche sur les systèmes de communication
Serveur d'inférence CPU/GPU efficace, évolutif et de niveau entreprise pour les modèles transformer de 🤗 Hugging Face 🚀
Les actions en deep learning et en machine learning représentent des opportunités prometteuses pour les investisseurs et les traders à long et court terme.
Graph4nlp est la bibliothèque pour l'utilisation facile des réseaux de neurones graphiques pour le NLP. Bienvenue sur notre site web DLG4NLP (https://dlg4nlp.github.io/index.html) pour diverses ressources d'apprentissage !
Un framework basé sur PyTorch pour la Simulation Quantique Classique, l'Apprentissage Automatique Quantique, les Réseaux Neuronaux Quantiques, les Circuits Quantiques Paramétrés avec prise en charge de déploiements faciles sur de véritables ordinateurs quantiques.
Implémentation du GAN "léger", proposé dans ICLR 2021, dans Pytorch. Générations d'images haute résolution qui peuvent être entraînées en un ou deux jours
Interface de recherche basée sur Python pour l'optimisation de boîtes noires et d'hyperparamètres, basée sur le service interne Google Vizier.
Une bibliothèque de bout en bout pour l'édition et le rendu du mouvement de personnages 3D avec apprentissage profond [SIGGRAPH 2020]
[CVPR 2025] Apprentissage de champs de flux dans l'attention pour la génération d'images de personnes contrôlable
Collection de notebooks Google Colaboratory pour des expériences rapides et faciles
Un guide de démarrage rapide et un benchmark pour l'entraînement distribué de PyTorch.
Le dépôt de code officiel pour LeVo : Génération de chansons de haute qualité avec alignement multi-préférences
Générateurs de données synthétiques pour données tabulaires et séries temporelles
Une bibliothèque PyTorch et une plateforme d'évaluation pour la recherche sur la compression de bout en bout
🚀 Ressources IA GRATUITES - 🎓 Cours, 👷 Emplois, 📝 Blogs, 🔬 Recherche IA, et bien plus encore - pour tous !
YaRN : Extension efficace de la fenêtre de contexte des grands modèles de langage
Ce dépôt fournit du code pour des algorithmes d'apprentissage automatique destinés aux appareils edge développés à Microsoft Research India.
Machine Learning pour le Trading Algorithmique, Deuxième Édition - publié par Packt
Interface de manipulation universelle : enseignement de robot dans la nature sans robots dans la nature
[CVPR 2025] MatAnyone : Matting vidéo stable avec propagation de mémoire cohérente
Répertoire pour la formation de modèles de séparation de sources musicales.
Personnalisez le modèle Segment Anything (SAM) avec 1 prise de vue en 10 secondes
Entraînement unifié de transformeurs universels pour la prévision de séries temporelles