#deep-learning Dépôts
2,273 dépôts au total
OCR, analyse de la mise en page, ordre de lecture, reconnaissance des tableaux dans plus de 90 langues
Le pytorch handbook est un livre open source dont l'objectif est d'aider les amis qui souhaitent et utilisent PyTorch pour le développement et la recherche en deep learning à s'initier rapidement. Tous les tutoriels Pytorch inclus ont été testés et garantissent une exécution réussie.
Une liste curated de bibliothèques open source géniales pour déployer, surveiller, versionner et scaler votre machine learning
Qwen3-VL est la série de grands modèles linguistiques multimodaux développée par l'équipe Qwen d'Alibaba Cloud.
Le Unity Machine Learning Agents Toolkit (ML-Agents) est un projet open-source qui permet aux jeux et simulations de servir d'environnements pour l'entraînement d'agents intelligents en utilisant l'apprentissage par renforcement profond et l'apprentissage par imitation.
Toolkit pour la linéarisation des PDF pour les jeux de données/l'entraînement LLM
《Réseaux neuronaux et apprentissage profond》 de Qiu Xipeng, deuxième édition et édition de culture générale : livre électronique, sommaire des chapitres, ressources d’apprentissage et errata.
ARIS ⚔️ (Auto-Research-In-Sleep) — Compétences légères en Markdown uniquement pour la recherche autonome en ML : boucles de revue inter-modèles, découverte d'idées et automatisation d'expériences. Pas de framework, pas de verrouillage — fonctionne avec Claude Code, Codex, OpenClaw ou tout agent LLM.
Matériaux pour le cours "Learn PyTorch for Deep Learning: Zero to Mastery".
:book: Une liste curated de ressources dédiées au Traitement automatique du langage naturel (NLP)
Une bibliothèque JavaScript accélérée par WebGL pour l'entraînement et le déploiement de modèles ML.
[🔥mise à jour ...] Robot de trading quantitatif IA automatique (déploiement entièrement local) Plateforme de recherche sur les investissements quantitatifs basée sur l'IA. 📃 documentation en ligne : https://ufund-me.github.io/Qbot ✨ :news: qbot-mini: https://github.com/Charmve/iQuant
🐫 CAMEL: Le premier et le meilleur framework multi-agents. Trouver la loi de mise à l'échelle des agents. https://www.camel-ai.org
Ce projet couvre les points de connaissance et les implémentations de code fréquemment testés lors des entretiens en apprentissage automatique (Machine Learning), apprentissage profond (Deep Learning) et PNL, et constitue également une base de connaissances théoriques essentielle pour tout ingénieur en algorithmes.
TensorFlow - Liste sélectionnée de ressources dédiées http://tensorflow.org
tutoriels, articles et autres ressources sur l'apprentissage automatique et l'apprentissage profond
Exemples de code pour mon livre "Neural Networks and Deep Learning"
📺 Découvrez les derniers cours sur l'apprentissage automatique / l'IA sur YouTube.
《Tutoriel d'apprentissage profond de Li Hongyi》(Recommandé par le professeur Li Hongyi 👍, Apple Books 🍎), Lien de téléchargement PDF : https://github.com/datawhalechina/leedl-tutorial/releases
Une liste organisée de cours, livres, conférences vidéo et articles sur l'intelligence artificielle (IA).
Une liste complète de contenu lié à Pytorch sur GitHub, tels que différents modèles, implémentations, bibliothèques d'assistance, tutoriels, etc.
OpenAI Baselines : implémentations de haute qualité d'algorithmes d'apprentissage par renforcement
MNN : Un moteur d'inférence ultra-rapide et léger, éprouvé en conditions réelles par Alibaba, alimentant des LLMs et une IA de bord haute performance sur appareil.
Un réseau de neurones qui transforme un mock-up de design en un site web statique.
pix2tex : Utiliser un ViT pour convertir des images d'équations en code LaTeX.
Annotation d'images avec Python. Prend en charge les polygones, rectangles, cercles, lignes, points et l'annotation assistée par IA.
Burn est une bibliothèque de tenseurs de nouvelle génération et un framework de Deep Learning qui ne transige pas sur la flexibilité, l'efficacité et la portabilité.
Convertissez des documents en données structurées sans effort. Unstructured est une solution ETL open-source pour transformer des documents complexes en formats propres et structurés pour les modèles linguistiques. Visitez notre site Web pour en savoir plus sur notre produit Platform de qualité professionnelle pour les flux de travail de production, le partitionnement, les enrichissements, le découpage et l'intégration.
API de reconnaissance vocale hors ligne pour Android, iOS, Raspberry Pi et serveurs avec Python, Java, C# et Node
Ce dépôt contient le code source de l'article First Order Motion Model for Image Animation
RWKV (prononcé RwaKuv) est un RNN avec d'excellentes performances LLM, qui peut également être entraîné directement comme un transformer GPT (parallélisable). Nous en sommes à RWKV-7 "Goose". Il combine donc le meilleur des RNN et des transformers - d'excellentes performances, un temps linéaire, un espace constant (pas de cache kv), un entraînement rapide, une ctx_len infinie et une intégration de phrases gratuite.
Animate Anyone : Synthèse d'image à vidéo cohérente et contrôlable pour l'animation de personnages