#keras Dépôts
137 dépôts au total
Application Web de prédiction de la bourse basée sur l'apprentissage automatique et l'analyse des sentiments des tweets (clés API incluses dans le code). Le frontend de l'application Web est basé sur Flask et Wordpress. L'application prévoit les cours boursiers des sept prochains jours pour toute action donnée sous NASDAQ ou NSE entrée par l'utilisateur. Les prédictions sont faites à l'aide de trois algorithmes : ARIMA, LSTM, Régression Linéaire. L'application Web combine les prix prédits des sept prochains jours avec l'analyse des sentiments des tweets pour donner une recommandation.
Modèles OCR légers et rapides pour la reconnaissance de texte des plaques d'immatriculation.
Code et modèles accompagnant "Deep Predictive Coding Networks for Video Prediction and Unsupervised Learning"
Moteur d'inférence Machine Learning pour Microcontrôleurs et Dispositifs Embarqués
Un interprète en langue des signes utilisant un flux vidéo en direct de la caméra.
Articles récents à haute citation/conférences de premier plan sur l'interprétabilité des modèles de réseaux de neurones en apprentissage profond (avec code)
Exemple de prédiction de plusieurs séries temporelles multivariées avec des réseaux de neurones récurrents LSTM en Python avec Keras.
Une collection d'algorithmes à la pointe de la technologie pour l'entraînement, le déploiement et l'interprétation des modèles Decision Forest dans Keras.
Fabric for Deep Learning (FfDL, prononcé fiddle) est une plateforme d'apprentissage profond offrant TensorFlow, Caffe, PyTorch, etc. en tant que service sur Kubernetes.
Visualkeras est un package Python qui aide à visualiser les architectures de réseaux neuronaux Keras (autonomes ou inclus dans TensorFlow). Il permet un style facile pour s'adapter à la plupart des besoins. Ce module prend en charge la génération d'architectures de style en couches, ce qui est idéal pour les CNN (Réseaux Neuronaux Convolutifs), et une architecture de style graphique, qui fonctionne très bien pour la plupart des modèles, y compris les réseaux feed-forward simples.
Keras beit,caformer,CMT,CoAtNet,convnext,davit,dino,efficientdet,edgenext,efficientformer,efficientnet,eva,fasternet,fastervit,fastvit,flexivit,gcvit,ghostnet,gpvit,hornet,hiera,iformer,inceptionnext,lcnet,levit,maxvit,mobilevit,moganet,nat,nfnets,pvt,swin,tinynet,tinyvit,uniformer,volo,vanillanet,yolor,yolov7,yolov8,yolox,gpt2,llama2, alias kecam
Anno-Mage : Un outil d'annotation d'images semi-automatique qui vous aide à annoter des images en vous suggérant des annotations à l'aide d'étiquettes définies par l'utilisateur
Transformers pour le traitement du langage naturel, publié par Packt
QKeras : une bibliothèque d'apprentissage profond de quantification pour Tensorflow Keras
ACG2vec (Anime Comics Games to vector) s'engage à créer un terrain de jeu qui combine l'ACG et l'apprentissage profond. (Recherche sémantique de texte, recherche d'images par l'image, recherche sémantique d'images, super-résolution d'images, systèmes de recommandation)
Logiciel chinois de localisation, de correction et de reconnaissance de bout en bout des plaques d'immatriculation basé sur u-net, cv2 et cnn, où unet et cv2 sont utilisés pour la localisation et la correction des plaques d'immatriculation, et cnn pour la reconnaissance des plaques d'immatriculation, unet et cnn étant tous deux des implémentations keras basées sur tensorflow
Une interface unifiée pour les algorithmes d'optimisation et les expériences
Toutes les figures et les notebooks de mon livre sur l'apprentissage profond, gratuits !
Réseau autoencodeur pour l'apprentissage d'une représentation continue des structures moléculaires.
Le réseau de réduction résiduelle profonde est une variante des réseaux résiduels profonds.