#deep-learning Dépôts
2,273 dépôts au total
Un Framework PyTorch pour les Modèles de Recommandation, Facile à utiliser et Facile à étendre.
[PKU EPIC Lab] Guide d'introduction à l'IA incarnée pour les débutants
[CVPR 2024 Oral, Best Paper Runner-Up] Code pour "pixelSplat: 3D Gaussian Splats à partir de paires d'images pour une reconstruction 3D évolutive et généralisable" par David Charatan, Sizhe Lester Li, Andrea Tagliasacchi et Vincent Sitzmann
Ressources pour vous aider à préparer vos futurs entretiens en science des données
Implémentation officielle de "OpenPifPaf: Champs composites pour la détection de points clés sémantiques et l'association spatio-temporelle" en PyTorch.
[CVPR 2026] 🔥🔥 Repo officiel de USO : Génération unifiée de style et basée sur le sujet via l'apprentissage désentrelacé et l'apprentissage par récompense
[NeurIPS 2023] Code Officiel pour "SMPLer-X: Scaling Up Expressive Human Pose and Shape Estimation"
PDEBench : Une référence étendue pour l'apprentissage automatique scientifique
Implémentation Keras de "One pixel attack for fooling deep neural networks" utilisant l'évolution différentielle sur Cifar10 et ImageNet
Seuillage Dynamique (Correction d'Échelle CFG) pour Stable Diffusion (SwarmUI, ComfyUI et Auto WebUI)
Tutoriels LangChain et Prompt Engineering sur les grands modèles de langage (LLM) tels que ChatGPT avec des données personnalisées. Cahiers Jupyter sur le chargement et l'indexation des données, la création de modèles de invites, les agents CSV et l'utilisation de chaînes de récupération QA pour interroger les données personnalisées. Projets d'utilisation d'un LLM privé (Llama 2) pour discuter avec des fichiers PDF, analyse des sentiments des tweets.
Implémentation de Perceiver, Perception Générale avec Attention Itérative, en Pytorch
Framework de compression de réseau neuronal pour une inférence OpenVINO™ améliorée
TorchXRayVision : Une bibliothèque de jeux de données et de modèles de radiographies thoraciques. Classificateurs, segmentation et auto-encodeurs.
Cadre sequence-to-sequence avec un accent sur la traduction automatique neuronale basé sur PyTorch
Un module Python pour obtenir l'état du GPU à partir de GPU NVIDIA en utilisant nvidia-smi de manière programmatique en Python
Trouvez automatiquement des problèmes dans les jeux de données d'images et pratiquez la vision par ordinateur axée sur les données.
Notes de lecture sur les grands modèles de langage multimodaux, les grands modèles de langage et les modèles de diffusion
:smiley_cat: Modèle d'application de classification d'images joli et simple. Déployez votre modèle entraîné ou un modèle pré-entraîné (VGG, ResNet, Densenet) dans une application web en utilisant Flask en 10 minutes.
Vidéos, notes et expériences pour comprendre le deep learning
Un hub complet et structuré pour apprendre l'Intelligence Artificielle — couvrant l'IA, le Machine Learning, le Deep Learning et la Science des Données avec des livres, des feuilles de route et des ressources sélectionnées du débutant à l'avancé.
:basketball::robot::basketball: Application web et API d'IA pour analyser les tirs de basketball et la pose de tir.
Une méthode simple pour effectuer un apprentissage semi-supervisé avec des données limitées.
«Deep Learning à partir de zéro 2» (O'Reilly Japan, 2018)
Un extracteur de représentations d'analyse humaine prêt à l'emploi.
Ressources pour la récupération de phase (également appelée imagerie de phase, extraction de phase ou reconstruction de phase)
Un framework flexible et extensible pour la reconnaissance de la démarche. Vous pouvez vous concentrer sur la conception de vos propres modèles et les comparer facilement aux solutions de pointe avec l'aide d'OpenGait.
DeepRec est un framework d'apprentissage profond de haute performance pour les recommandations, basé sur TensorFlow. Il est hébergé en incubation au sein de la LF AI & Data Foundation.
Encodeur automatique variationnel implémenté en tensorflow et pytorch (y compris le flux autorégressif inverse)
Augmentation rapide des données audio dans PyTorch. Inspiré par audiomentations. Utile pour le deep learning.
Modèles Fondamentaux Multimodaux de Pointe pour la Compréhension d'Images et de Vidéos
[ICLR24] Implémentation officielle de l'article « MagicDrive : génération de vues de rue avec contrôle diversifié de la géométrie 3D »
Un tutoriel d'auto-apprentissage pour la programmation haute performance CUDA.