#deep-learning Dépôts
2,273 dépôts au total
Une bibliothèque accélérée par GPU contenant des blocs de construction hautement optimisés et un moteur d'exécution pour le traitement des données afin d'accélérer les applications d'entraînement et d'inférence en apprentissage profond.
Détection de visages en temps réel et classification d'émotions/genre utilisant les ensembles de données fer2013/imdb avec un modèle CNN Keras et OpenCV.
Réseau de Neurones Convolutifs pour la Classification de Texte en TensorFlow
Un cadre modulaire pour la recherche multimodale en vision et langage de Facebook AI Research (FAIR)
Implémentation / réplication de DALL-E, le Transformer Texte vers Image d'OpenAI, en Pytorch
Une boîte à outils unifiée pour l'analyse d'images de documents basée sur l'apprentissage profond
Inférence découpée/tuilée indépendante du framework + UI interactive + tracés d'analyse d'erreurs
ECCV2022 – Estimation en temps réel du flux intermédiaire pour l'interpolation d'images vidéo
SUPIR vise à développer des algorithmes pratiques pour la restauration d'images photoréalistes dans la nature. Notre nouvelle démo en ligne est également disponible sur suppixel.ai.
Moteur Go sans connaissances fournies par l'humain, modélisé d'après l'article AlphaGo Zero.
Projets et exercices du dernier programme Nanodegree en apprentissage profond https://www.udacity.com/course/deep-learning-nanodegree--nd101
Jouez aux couplets avec le modèle seq2seq. Composez des couplets avec l'apprentissage profond.
Bibliothèque d'inférence et d'entraînement pour les modèles TTS de haute qualité.
Dépôt de code pour l'apprentissage automatique avec PyTorch et Scikit-Learn
🏝️ OASIS : Simulations d'Interaction Sociale Ouverte d'Agents avec un Million d'Agents.
PyTorch Lightning + Hydra. Un modèle très convivial pour l'expérimentation ML. ⚡🔥⚡
Ce dépôt contient mes notes et résumés personnels sur les cours de spécialisation DeepLearning.ai. J'ai apprécié chaque petit moment du cours, j'espère que vous apprécierez aussi mes notes.
Liste organisée de questions et réponses d'entretien en science des données
Développé par Turing's Cat, la première génération d'IA créative, basé sur GPT2.0 open-source | Évolutif, adaptable
Outil de traduction de bandes dessinées assisté par apprentissage profond, prend en charge la traduction automatique en un clic et la modification simple d'images/texte | Yet another computer-aided comic/manga translation tool powered by deeplearning
Un guide complet pour démarrer et progresser en apprentissage automatique (ML) et intelligence artificielle (AI) en 2026 sans aucune expérience préalable, et rester à jour avec les dernières nouvelles et les techniques de pointe !
【Trois ans d’entretiens, cinq ans d’examens blancs】Plateforme de ressources pour les entretiens des ingénieurs en algorithmes AIGC/LLM/AI Agent. Elle couvre des connaissances pratiques et des expériences clés pour les entretiens et les épreuves écrites, ainsi que des connaissances fondamentales durables dans l’industrie de l’IA, notamment l’AIGC, les grands modèles de langage (LLM), les agents d’IA, l’intelligence incarnée, l’apprentissage profond traditionnel, la vision par ordinateur, le traitement du langage naturel, la conduite autonome, l’apprentissage automatique, l’apprentissage par renforcement, l’exploration de mégadonnées, les modèles du monde, le métavers, l’AGI, et bien plus encore.
Bibliothèque Python d'apprentissage automatique simple et distribué portant des algorithmes ML pour Spark
Un logiciel d'apprentissage automatique pour extraire des informations de documents savants
une tâche d'inpainting d'images par apprentissage automatique qui supprime instinctivement les filigranes d'une image indiscernable de l'image de vérité terrain
La boîte à outils et le benchmark de nouvelle génération d'OpenMMLab pour la compréhension vidéo
Code pour le livre Deep Learning with PyTorch de Eli Stevens, Luca Antiga et Thomas Viehmann.
Bibliothèque d'augmentation d'images en Python pour l'apprentissage automatique.
Modèle Keras pour générer du code HTML à partir de maquettes de sites web dessinées à la main. Implémente une architecture de légendage d'images pour des images source dessinées.
Liens vers les publications de conférences en apprentissage profond basé sur les graphes
Anti-sèche VIP pour les Transformers et grands modèles linguistiques CME 295 de Stanford