#neural-networks Dépôts
Découvrez 277 dépôts GitHub open source actifs associés à #neural-networks, cumulant 1,158,803 étoiles au total (soit une moyenne de 4,183 étoiles par projet). Le projet en tête de ce thème est labmlai/annotated_deep_learning_paper_implementations, avec 67,780 étoiles.
277 dépôts au total
🧑🏫 60+ implémentations/tutoriels d'articles de deep learning avec des notes côte à côte 📝; y compris les transformers (original, xl, switch, feedback, vit, ...), les optimiseurs (adam, adabelief, sophia, ...), les gans (cyclegan, stylegan2, ...), 🎮 l'apprentissage par renforcement (ppo, dqn), les capsnet, la distillation, ... 🧠
500 questions sur l'apprentissage profond, présentées sous forme de questions-réponses pour expliquer des sujets chauds tels que les connaissances courantes en probabilité, algèbre linéaire, apprentissage automatique, apprentissage profond, vision par ordinateur, etc., afin d'aider moi-même et les lecteurs dans le besoin. L'ensemble du livre est divisé en 18 chapitres, plus de 500 000 mots. En raison d'un niveau limité, je demande instamment aux lecteurs de critiquer et corriger toute partie inappropriée dans le livre. À suivre............ Si intéressé par une coopération, contactez [email protected] Tous droits réservés, la violation sera poursuivie Tan 2018.06
Un framework de super-résolution vidéo et d'interpolation d'images basé sur l'apprentissage automatique. Est. Hack the Valley II, 2018.
ONNX Runtime : accélérateur d'inférence et d'entraînement ML multiplateforme haute performance
Le Unity Machine Learning Agents Toolkit (ML-Agents) est un projet open-source qui permet aux jeux et simulations de servir d'environnements pour l'entraînement d'agents intelligents en utilisant l'apprentissage par renforcement profond et l'apprentissage par imitation.
《Réseaux neuronaux et apprentissage profond》 de Qiu Xipeng, deuxième édition et édition de culture générale : livre électronique, sommaire des chapitres, ressources d’apprentissage et errata.
Un minuscule moteur autograd à valeur scalaire et une bibliothèque de réseaux neuronaux par-dessus avec une API de type PyTorch
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)
TensorFlow - Liste sélectionnée de ressources dédiées http://tensorflow.org
tutoriels, articles et autres ressources sur l'apprentissage automatique et l'apprentissage profond
Exemples de code pour mon livre "Neural Networks and Deep Learning"
Livre MIT Deep Learning en format PDF (complet et parties) par Ian Goodfellow, Yoshua Bengio et Aaron Courville
Exemples minimaux et propres d'implémentations d'algorithmes d'apprentissage automatique
Tutoriels, devoirs et compétitions pour les cours liés à MIT Deep Learning.
Exécutez des LLM à la maison, style BitTorrent. Fine-tuning et inférence jusqu'à 10 fois plus rapides que l'offloading.
Matériel de laboratoire pour MIT 6.S191 : Introduction au Deep Learning
Code pour l'article "Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer"
Dépôt de code pour l'apprentissage automatique avec PyTorch et Scikit-Learn
Un guide complet pour démarrer et progresser en apprentissage automatique (ML) et intelligence artificielle (AI) en 2026 sans aucune expérience préalable, et rester à jour avec les dernières nouvelles et les techniques de pointe !
Une bibliothèque PyTorch pour accélérer la recherche en apprentissage profond 3D
Dépôt pour le programme Nanodegree en apprentissage par renforcement profond
Bibliothèque d'augmentation d'images en Python pour l'apprentissage automatique.
Ce dépôt est une compilation de ressources gratuites pour l'apprentissage de la science des données.
Liens vers les publications de conférences en apprentissage profond basé sur les graphes
Un langage de programmation probabiliste dans TensorFlow. Modèles génératifs profonds, inférence variationnelle.
Foire aux questions
Quel est le dépôt #neural-networks le plus populaire sur GitHub ?
Le projet #neural-networks open source le mieux classé sur GitHub est labmlai/annotated_deep_learning_paper_implementations, avec 67,780 étoiles. 🧑🏫 60+ implémentations/tutoriels d'articles de deep learning avec des notes côte à côte 📝; y compris les transformers (original, xl, switch, feedback, vit, ...), les optimiseurs (adam, adabelief, sophia, ...), les gans (cyclegan, stylegan2, ...), 🎮 l'apprentissage par renforcement (ppo, dqn), les capsnet, la distillation, ... 🧠
Quels langages de programmation sont les plus utilisés dans les dépôts #neural-networks ?
Parmi les projets #neural-networks les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C++, JavaScript.
Comment le classement des dépôts #neural-networks est-il calculé ?
Nous suivons 277 dépôts open source actifs associés à #neural-networks (500+ étoiles), totalisant 1,158,803 étoiles, avec une moyenne de 4,183 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.