#neural-network Dépôts
213 dépôts au total
SchNetPack - Réseaux de Neurones Profonds pour Systèmes Atomistiques
Blog technique sur les algorithmes d'apprentissage automatique en Python, avec du contenu original ! Avec de la pratique de code ! 【Pour plus de contenu, suivez le compte public "Avancement des Algorithmes"】
BladeDISC est un projet de compilateur à forme dynamique de bout en bout pour les charges de travail d'apprentissage automatique.
🤖 Exemples MatLab/Octave d'algorithmes d'apprentissage automatique populaires avec exemples de code et explications mathématiques
Pile de compilateur open source pour l'apprentissage profond pour les accélérateurs AI Kendryte ✨
tfts: Modèles d'apprentissage profond pour séries temporelles en TensorFlow
Le dépôt contient des scripts et des carnets liés à la statistique, l'apprentissage automatique, les réseaux de neurones, l'apprentissage profond, le TALN, les méthodes numériques et l'automatisation.
DiffWave est un vocodeur neuronal et un synthétiseur de formes d'onde rapides et de haute qualité.
Une base de données vectorielle haute performance exploitant le calcul parallèle sur graphes
onnx-go permet d'importer un réseau de neurones pré-entraîné dans Go sans être lié à un framework ou une bibliothèque.
Omega-AI est un framework d’apprentissage profond basé sur Java qui vous aide à construire rapidement des réseaux neuronaux pour l’inférence et l’entraînement. Son moteur prend en charge la différentiation automatique, le multithreading et l’accélération GPU avec CUDA et cuDNN.
Apprentissage profond avec des réseaux de neurones à impulsions (SNNs) dans PyTorch.
Bibliothèque de vision haute performance en Python. Développez votre recherche, pas le boilerplate.
Framework d'apprentissage automatique pour les algorithmes d'apprentissage profond et traditionnels
:twisted_rightwards_arrows: Neural Network (NN) Streamer, Paradigme de Traitement de Flux pour les Applications/Dispositifs Neural Network.
:books: [.md & .ipynb] Série sur l'Intelligence Artificielle & l'Apprentissage Profond, incluant les Fondamentaux Mathématiques, Pratiques Python, Applications NLP, etc. 💫 Pratique de l'Intelligence Artificielle et de l'Apprentissage Profond : Édition Statistiques Mathématiques | Édition Apprentissage Automatique | Édition Apprentissage Profond | Édition Traitement du Langage Naturel | Édition Pratique des Outils Scikit & TensorFlow & PyTorch | Applications Industrielles & Notes de Cours
Une bibliothèque simple pour créer des réseaux de neurones complexes
Outil de Productivité IA – Gratuit et open source, améliore la productivité de l'utilisateur et protège la vie privée et la sécurité des données. Y compris, mais sans s'y limiter : ChatGPT local exclusif intégré, DeepSeek, Phi, Qwen et d'autres modèles, traitement intelligent par lots en un clic d'images, vidéos, audio, etc.
Articles récents à haute citation/conférences de premier plan sur l'interprétabilité des modèles de réseaux de neurones en apprentissage profond (avec code)
Caractéristiques géométriques entièrement convolutives : caractéristiques 3D rapides et précises pour l'enregistrement et la correspondance.
NeuPy est une bibliothèque Python basée sur Tensorflow pour le prototypage et la construction de réseaux de neurones.
Environnement de poker Texas Hold'em OpenAI Gym avec apprentissage par renforcement basé sur Keras-RL. Inclut un rendu virtuel et Monte Carlo pour le calcul d'équité.
Modèle Cookiecutter pour les projets FastAPI utilisant : Machine Learning, uv, GitHub Actions et Pytests
Une feuille de route complète en ML (Machine Learning) Full Stack implique l'acquisition des compétences et des technologies nécessaires pour maîtriser tous les aspects du machine learning, y compris la collecte et le prétraitement des données, le développement de modèles, le déploiement et la maintenance.
Un modèle d'apprentissage profond rapide pour upscaler des vidéos en basse résolution vers une haute résolution à 30 ips
[ECCV 2024] InstructIR : Restauration d'images de haute qualité suivant les instructions humaines https://huggingface.co/spaces/marcosv/InstructIR
Tutoriels d'apprentissage automatique informés par la physique (Pytorch et Jax)
Un code simple et flexible pour les architectures de Reservoir Computing comme les Echo State Networks
Un moteur d'inférence ONNX léger, portable, en pur C99 pour appareils embarqués avec prise en charge de l'accélération matérielle.
ProphitBet est une application de prédiction des paris sur le football basée sur l’apprentissage automatique. Elle analyse la forme des équipes, calcule les statistiques des matchs et en prédit les résultats à l’aide de méthodes avancées d’apprentissage automatique (ML). Elle propose également des agents de paris basés sur l’apprentissage par renforcement profond (DRL), capables d’apprendre des stratégies de pari optimales.
Réimplémentation en PyTorch de "Generating Sentences from a Continuous Space" par Bowman et al. 2015 https://arxiv.org/abs/1511.06349
Une collection de jeux de données qui associent des questions à des requêtes SQL.
Framework pour l'implémentation rapide de pipelines de traitement et d'exploitation des données
TorchANI 2.0 est une bibliothèque open-source qui prend en charge l'entraînement, le développement et la recherche de potentiels interatomiques de réseaux neuronaux de style ANI. Elle a été initialement développée et est actuellement maintenue par le groupe Roitberg.
collection d'œuvres visant à réduire la taille des modèles ou l'accélérateur ASIC/FPGA pour l'apprentissage automatique
Vector Hub – Bibliothèque pour une découverte et une consommation faciles de modèles de pointe permettant de transformer les données en vecteurs (text2vec, image2vec, video2vec, graph2vec, bert, inception, etc.)
Une liste curated de ressources en intelligence artificielle (Cours, Outils, Applications, Projets open source)