#deep-neural-networks Dépôts
Découvrez 103 dépôts GitHub open source actifs associés à #deep-neural-networks, cumulant 645,526 étoiles au total (soit une moyenne de 6,267 étoiles par projet). Le projet en tête de ce thème est tensorflow/tensorflow, avec 201,665 étoiles.
103 dépôts au total
tutoriels, articles et autres ressources sur l'apprentissage automatique et l'apprentissage profond
API de reconnaissance vocale hors ligne pour Android, iOS, Raspberry Pi et serveurs avec Python, Java, C# et Node
Plongez dans le Deep Learning, l'Apprentissage par Renforcement, le Machine Learning, la Vision par Ordinateur et le NLP en apprenant de ces conférences passionnantes !!
Le PyTorch Incroyable : une liste curatée de tutoriels, articles, projets, communautés et plus encore relatifs à PyTorch.
pix2code : Génération de code à partir d'une capture d'écran d'une interface utilisateur graphique
Une liste de papiers sur la détection d'objets utilisant l'apprentissage profond.
Techniques d'apprentissage profond avec des images satellites et aériennes
🦙 LaMa Image Inpainting, Inpainting de masques larges et robustes à la résolution avec des convolutions de Fourier, WACV 2022
Une collection de tutoriels sur les modèles et techniques de vision par ordinateur à la pointe de la technologie. Explorez tout, des architectures fondamentales comme ResNet aux modèles de pointe comme RF-DETR, YOLO11, SAM 3 et Qwen3-VL.
OneFlow est un framework d'apprentissage profond conçu pour être convivial, scalable et efficace.
Une bibliothèque open source pour les systèmes de dialogue end-to-end en apprentissage profond et les chatbots.
Un système de serving flexible et haute performance pour les modèles d'apprentissage automatique
Ce dépôt est une collection organisée de liens vers divers cours et ressources sur l'intelligence artificielle (IA)
NanoDet-Plus⚡Modèle de détection d'objets ultra rapide et léger sans ancrage. 🔥Seulement 980 Ko (int8) / 1,8 Mo (fp16) et exécute 97 FPS sur téléphone portable🔥
Gorgonia est une bibliothèque qui aide à faciliter l'apprentissage automatique en Go.
Tout le matériel de cours pour le cours Zero to Mastery Deep Learning with TensorFlow.
Code pour le livre Deep Learning with PyTorch de Eli Stevens, Luca Antiga et Thomas Viehmann.
Torchreid : Identification de personnes par deep learning en PyTorch.
« Grands Modèles Linguistiques » par : Zhao Xin, Li Junyi, Zhou Kun, Tang Tianyi, Wen Jirong
Dans ce dépôt, je partagerai des notes et références utiles sur le déploiement de modèles basés sur l'apprentissage profond en production.
DeepFill v1/v2 avec Contextual Attention et Gated Convolution, CVPR 2018, et ICCV 2019 Oral
Excellent projet pour le recrutement universitaire, les campagnes d'automne, les campagnes de printemps et les stages ! Nous vous guiderons pas à pas dans l'implémentation d'une bibliothèque d'inférence d'apprentissage profond haute performance, prenant en charge l'inférence de grands modèles tels que llama2, Unet, YoloV5, Resnet, etc. Implémentez pas à pas une bibliothèque d'inférence d'apprentissage profond haute performance.
Ce dépôt contient une liste de lecture d'articles sur la prévision/prédiction de séries temporelles (TSF) et la prévision/prédiction spatio-temporelle (STF). Ces articles sont principalement classés par type de modèle.
Compteur de FLOPs pour les réseaux de neurones dans le framework PyTorch
Implémentation PyTorch de l'article TabNet : https://arxiv.org/pdf/1908.07442.pdf
Liste de papiers, code et expériences utilisant l'apprentissage profond pour la prévision de séries temporelles
AIMET est une bibliothèque qui fournit des techniques avancées de quantification et de compression pour les modèles de réseaux neuronaux entraînés.
Une liste curated de ressources pour l'apprentissage avec des étiquettes bruitées
Réseau neuronal profond pour extraire des informations intelligentes des documents de facture.
Bibliothèque PyTorch d'apprentissage profond pour la prévision de séries temporelles, la classification et la détection d'anomalies (initialement pour la prévision des inondations).
Implémentation de "BitNet : Mise à l'échelle des transformeurs 1 bits pour les grands modèles de langage" en PyTorch
Apprentissage profond en Rust, avec des tenseurs à forme vérifiée et des réseaux neuronaux
Solveurs de SDE différentiables avec prise en charge GPU et analyse de sensibilité efficace.
Foire aux questions
Quel est le dépôt #deep-neural-networks le plus populaire sur GitHub ?
Le projet #deep-neural-networks open source le mieux classé sur GitHub est tensorflow/tensorflow, avec 201,665 étoiles. Un framework d'apprentissage automatique open source pour tous
Quels langages de programmation sont les plus utilisés dans les dépôts #deep-neural-networks ?
Parmi les projets #deep-neural-networks les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C++, TeX.
Comment le classement des dépôts #deep-neural-networks est-il calculé ?
Nous suivons 103 dépôts open source actifs associés à #deep-neural-networks (500+ étoiles), totalisant 645,526 étoiles, avec une moyenne de 6,267 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.