#deeplearning Dépôts
Découvrez 79 dépôts GitHub open source actifs associés à #deeplearning, cumulant 501,253 étoiles au total (soit une moyenne de 6,344 étoiles par projet). Le projet en tête de ce thème est deepfakes/faceswap, avec 57,626 étoiles.
79 dépôts au total
VoxCPM2 : TTS sans tokenizer pour la génération de parole multilingue, le design vocal créatif et le clonage réaliste
AiLearning : Analyse de données + Machine Learning pratique + Algèbre linéaire + PyTorch + NLTK + TF2
Visualiseur pour les modèles de réseaux de neurones, d'apprentissage profond et d'apprentissage automatique
Un framework d'IA générative scalable conçu pour les chercheurs et développeurs travaillant sur les grands modèles de langage, le multimodal et l'IA vocale (reconnaissance automatique de la parole et texte vers parole)
Simulateur open source pour véhicules autonomes construit sur Unreal Engine / Unity, par Microsoft AI & Research
tutoriels, articles et autres ressources sur l'apprentissage automatique et l'apprentissage profond
Framework d'entraînement distribué pour TensorFlow, Keras, PyTorch et Apache MXNet.
Livre MIT Deep Learning en format PDF (complet et parties) par Ian Goodfellow, Yoshua Bengio et Aaron Courville
Suite d'outils pour le déploiement et l'entraînement de modèles d'apprentissage profond utilisant la JVM. Les points forts comprennent l'importation de modèles pour Keras, TensorFlow et ONNX/PyTorch, une bibliothèque C++ modulaire et minuscule pour l'exécution de code mathématique et une bibliothèque mathématique basée sur Java au-dessus de la bibliothèque C++ de base. Comprend également SameDiff : une bibliothèque similaire à PyTorch/TensorFlow pour l'exécution d'apprentissage profond...
LangGPT: Permettre à chacun de devenir un expert en prompts ! 🚀 📌 Promoteur du Prompt Structuré (Structured Prompt) 📌 Initiateur du Meta-Prompt (Meta-Prompt) 📌 Le paradigme d'implémentation de prompts le plus populaire | Language of GPT Le cadre pionnier pour la conception de prompts structurés et méta-prompts 10,000+ ⭐ | Testé par des milliers d'utilisateurs dans le monde Créé par 云中江树
Guide chinois de ChatGPT🔥, Guide de réglage fin de ChatGPT en chinois, Guide des invites, Guide de développement d'applications, Liste de ressources sélectionnées, utilisez mieux chatGPT pour améliorer votre productivité ! 🚀
Framework low-code pour construire des LLMs personnalisés, des réseaux neuronaux et d'autres modèles d'IA
Une liste de papiers sur la détection d'objets utilisant l'apprentissage profond.
Le projet open source Python "Sur le chemin de l'apprentissage de la programmation", tutoriel niveau baby-sitter : Laboratoire d'IA, Vidéos précieuses, Structures de données, Guide d'apprentissage, Mise en pratique du Machine Learning, Mise en pratique du Deep Learning, Web scraping, Interviews dans de grandes entreprises, Vie de programmeur, Partage de ressources.
Tutoriels, devoirs et compétitions pour les cours liés à MIT Deep Learning.
Matériel de laboratoire pour MIT 6.S191 : Introduction au Deep Learning
Une collection de bibliothèques pour optimiser les performances des modèles d'IA
ClearML - CI/CD Auto-Magique pour rationaliser votre charge de travail IA. Gestion d'Expériences, Gestion de Données, Pipeline, Orchestration, Planification et Service dans une solution MLOps/LLMOps
Gorgonia est une bibliothèque qui aide à faciliter l'apprentissage automatique en Go.
T81-558: Keras - Applications de Réseaux de Neurones Profonds @Washington University in St. Louis
Outils pour concevoir ou visualiser l'architecture d'un réseau de neurones
Ce dépôt est une compilation de ressources gratuites pour l'apprentissage de la science des données.
OpenBot utilise les smartphones comme cerveaux pour des robots à faible coût. Nous avons conçu un petit véhicule électrique qui coûte environ 50 $ et sert de corps de robot. Notre pile logicielle pour smartphones Android prend en charge des charges de travail robotiques avancées telles que le suivi de personnes et la navigation autonome en temps réel.
Débogage, surveillance et visualisation pour Python Machine Learning et Data Science
Compteur de FLOPs pour les réseaux de neurones dans le framework PyTorch
Réseau neuronal profond pour extraire des informations intelligentes des documents de facture.
Une référence complète pour tous les sujets liés au traitement du langage naturel
Implémentation de "BitNet : Mise à l'échelle des transformeurs 1 bits pour les grands modèles de langage" en PyTorch
Une liste minutieusement sélectionnée de datasets de Cybersécurité incroyablement géniaux
Graphes de réseaux neuronaux et métriques d'entraînement pour PyTorch, Tensorflow et Keras.
Bibliothèque autonome d'apprentissage automatique et de traitement du langage naturel en Go
Framework d'apprentissage profond de haut niveau écrit en Kotlin et inspiré par Keras
Exemple de Machine Learning TensorFlow pour Android (Construction de TensorFlow pour Android)
Une liste organisée par des professionnels de superbes vidéos, tutoriels, livres, articles, thèses de doctorat et de master, articles et bibliothèques open-source sur la prédiction conforme.
Détection et reconnaissance faciale par apprentissage profond, implémentée avec PyTorch. (Détection et reconnaissance faciale implémentée avec PyTorch)
Qualcomm® AI Hub Models est notre collection de modèles d'apprentissage automatique de pointe optimisés pour les performances (latence, mémoire, etc.) et prêts à être déployés sur les appareils Qualcomm®.
Une liste professionnelle sur les grands modèles (de langage) et les modèles fondamentaux (LLM, LM, FM) pour les données de séries temporelles, spatio-temporelles et événementielles.
Foire aux questions
Quel est le dépôt #deeplearning le plus populaire sur GitHub ?
Le projet #deeplearning open source le mieux classé sur GitHub est deepfakes/faceswap, avec 57,626 étoiles. Logiciel Deepfakes pour tous
Quels langages de programmation sont les plus utilisés dans les dépôts #deeplearning ?
Parmi les projets #deeplearning les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Java, Go.
Comment le classement des dépôts #deeplearning est-il calculé ?
Nous suivons 79 dépôts open source actifs associés à #deeplearning (500+ étoiles), totalisant 501,253 étoiles, avec une moyenne de 6,344 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.