#neural-network Dépôts
Découvrez 213 dépôts GitHub open source actifs associés à #neural-network, cumulant 1,234,359 étoiles au total (soit une moyenne de 5,795 étoiles par projet). Le projet en tête de ce thème est tensorflow/tensorflow, avec 201,665 étoiles.
213 dépôts au total
Tenseurs et réseaux de neurones dynamiques en Python avec une forte accélération GPU
Qdrant – Base de données vectorielle et moteur de recherche vectorielle haute performance et à grande échelle pour la prochaine génération d'IA. Également disponible dans le cloud https://cloud.qdrant.io/
Visualiseur pour les modèles de réseaux de neurones, d'apprentissage profond et d'apprentissage automatique
Feuille de route pour devenir un expert en intelligence artificielle en 2022
Une liste organisée d'incroyables tutoriels, projets et communautés sur le Deep Learning.
⛔️ OBSOLÈTE – Voir https://github.com/ageron/handson-ml3 ou handson-mlp à la place.
PArallel Distributed Deep LEarning: Framework d'apprentissage automatique issu de la pratique industrielle (Le framework central『FeiJiang』, entraînement hautes performances mono-machine et distribué pour le Deep Learning et le Machine Learning, et déploiement multiplateforme)
ncnn est un framework d'inférence de réseaux de neurones haute performance optimisé pour les plateformes mobiles
Le pytorch handbook est un livre open source dont l'objectif est d'aider les amis qui souhaitent et utilisent PyTorch pour le développement et la recherche en deep learning à s'initier rapidement. Tous les tutoriels Pytorch inclus ont été testés et garantissent une exécution réussie.
Une bibliothèque JavaScript accélérée par WebGL pour l'entraînement et le déploiement de modèles ML.
Primitives graphiques neuronales instantanées : NeRF ultra-rapide et plus encore
tutoriels, articles et autres ressources sur l'apprentissage automatique et l'apprentissage profond
Une liste organisée de cours, livres, conférences vidéo et articles sur l'intelligence artificielle (IA).
Une liste complète de contenu lié à Pytorch sur GitHub, tels que différents modèles, implémentations, bibliothèques d'assistance, tutoriels, etc.
Burn est une bibliothèque de tenseurs de nouvelle génération et un framework de Deep Learning qui ne transige pas sur la flexibilité, l'efficacité et la portabilité.
🤖 Réseaux de neurones accélérés par GPU en JavaScript pour les navigateurs et Node.js
Livre MIT Deep Learning en format PDF (complet et parties) par Ian Goodfellow, Yoshua Bengio et Aaron Courville
Le dépôt de code et la ressource d'information du livre "Python Machine Learning (1re édition)"
Une référence contenant des styles et des mots-clés que vous pouvez utiliser avec MidJourney AI. Il existe également des pages montrant la comparaison des résolutions, les poids des images, et bien plus encore !
Framework low-code pour construire des LLMs personnalisés, des réseaux neuronaux et d'autres modèles d'IA
Traduire des mangas/images : traduisez en un clic le texte de toutes sortes d’images https://cotrans.touhou.ai/ https://greasyfork.org/en/scripts/437569-cotrans-manga-image-translator-regular-edition
Bibliothèque d'apprentissage profond dotée d'une API de niveau supérieur pour TensorFlow.
OneFlow est un framework d'apprentissage profond conçu pour être convivial, scalable et efficace.
Contient des solutions et des notes pour la spécialisation en apprentissage automatique de la Stanford University et Deeplearning.ai - Coursera (2022) par le Prof. Andrew NG
PaddlePaddle Moteur d'Inférence d'Apprentissage Profond Haute Performance pour Mobile et Edge (PaddlePaddle Moteur d'Inférence d'Apprentissage Profond Haute Performance pour le Côté Terminal)
Maintenu officiellement, soutenu par PaddlePaddle, incluant CV, NLP, Speech, Rec, TS, grands modèles et ainsi de suite.
🔬 Une liste curated d'incroyables LLMs et stratégies et outils d'apprentissage profond sur le marché financier.
Un système de serving flexible et haute performance pour les modèles d'apprentissage automatique
Gorgonia est une bibliothèque qui aide à faciliter l'apprentissage automatique en Go.
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.
T81-558: Keras - Applications de Réseaux de Neurones Profonds @Washington University in St. Louis
Projets et exercices du dernier programme Nanodegree en apprentissage profond https://www.udacity.com/course/deep-learning-nanodegree--nd101
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.
Guide pour débutants absolus de l’apprentissage automatique et de la classification d’images avec des réseaux neuronaux
Foire aux questions
Quel est le dépôt #neural-network le plus populaire sur GitHub ?
Le projet #neural-network 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 #neural-network ?
Parmi les projets #neural-network les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, Jupyter Notebook, JavaScript.
Comment le classement des dépôts #neural-network est-il calculé ?
Nous suivons 213 dépôts open source actifs associés à #neural-network (500+ étoiles), totalisant 1,234,359 étoiles, avec une moyenne de 5,795 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.