#deep-learning Dépôts
2,273 dépôts au total
PyTriton est une interface de type Flask/FastAPI qui simplifie le déploiement de Triton dans les environnements Python.
Modèle pour le concours de séparation musicale MDX23
Une liste curated de DATASETS, CODEBASES et ARTICLES sur l'apprentissage multi-tâches (MTL), du point de vue de l'apprentissage automatique.
[Version étendue ICLR 2025 Blog Track] Anole : Modèles multimodaux ouverts, autorégressifs et natifs pour la génération d'images-textes entrelacés
Implémentation officielle de l'algorithme du papier ICML'23 "VIMA : Manipulation Robotique Générale avec des Invites Multimodales"
Un framework de simulation pour RLHF et ses alternatives. Développez votre méthode RLHF sans collecter de données humaines.
LLVIP: Un ensemble de données appariées visible-infrarouge pour la vision en faible luminosité
Ce dépôt contient les ressources (articles, blogs, sites web, etc.) qu'Ilya a recommandées pour en savoir plus sur l'intelligence artificielle.
Un système Graph RAG pour la recherche d'informations médicales basées sur des preuves [ACL 2025]
« Deep Learning à partir de zéro ❸ » (O'Reilly Japan, 2020)
Le Natural Language Toolkit for Indic Languages vise à fournir un support prêt à l'emploi pour diverses tâches NLP dont un développeur d'applications pourrait avoir besoin.
Outil d'amélioration du visage CodeFormer avec interface graphique, décompressez et utilisez immédiatement
Collection impressionnante de ressources et d'articles sur les modèles de diffusion pour la manipulation robotique.
Code Pytorch pour l'article ICLR-2020 "Learning to Explore using Active Neural SLAM"
Ce dépôt contient une collection d'enquêtes, d'ensembles de données, d'articles et de codes pour l'estimation de l'incertitude prédictive dans les modèles d'apprentissage profond.
Implémentation des Embeddings Rotatifs, du papier Roformer, dans Pytorch
Apprentissage profond avec des réseaux de neurones à impulsions (SNNs) dans PyTorch.
Un framework flexible d'apprentissage fédéré basé sur PyTorch, simplifiant votre recherche en apprentissage fédéré.
Articles visuels et interactifs sur l'apprentissage automatique : https://mlu-explain.github.io/
Implémentation officielle de "LucidDreamer : Vers la génération de texte à 3D haute fidélité via le score matching par intervalle"
"MonoScene: Monocular 3D Semantic Scene Completion" (CVPR 2022) : Prédiction d'occupation sémantique 3D à partir d'une seule image
Ce script permet d'automatiser la tâche de stylisation vidéo en utilisant StableDiffusion et ControlNet.
Bibliothèque de vision haute performance en Python. Développez votre recherche, pas le boilerplate.
Transformer basé sur une variante d'attention qui a une complexité linéaire par rapport à la longueur de la séquence
Adan : Algorithme adaptatif de momentum de Nesterov pour l'optimisation plus rapide des modèles profonds
depyf est un outil pour vous aider à comprendre et à vous adapter au compilateur PyTorch torch.compile.
Ressources sur la prévision des séries chronologiques et le deep learning.
Dépôt officiel accompagnant un article CVPR 2022 EMOCA : Emotion Driven Monocular Face Capture And Animation. EMOCA prend une seule image d'un visage en entrée et produit une reconstruction 3D. EMOCA établit la nouvelle norme en matière de reconstruction d'images très émotionnelles en milieu naturel.
Super-Résolution Vidéo en Streaming Basée sur la Diffusion en Temps Réel / Modèle de super-résolution vidéo en streaming en temps réel basé sur l'architecture de diffusion
Implémentation du schéma d'attention éparse proposé par l'équipe Deepseek dans leur article "Native Sparse Attention"
PhoBERT : modèles de langue pré-entraînés pour le vietnamien (EMNLP-2020 Findings)