#neural-networks Dépôts
277 dépôts au total
Moteur d'inférence Machine Learning pour Microcontrôleurs et Dispositifs Embarqués
Apprentissage profond pour la calibration de caméra et au-delà : une enquête
Une liste organisée de projets sur le connectome de la drosophile : MaleCNS, FlyWire, simulations cérébrales, modèles incarnés, jeux et outils de recherche.
Un cadre d'apprentissage profond pour l'optimisation symbolique.
Notebooks Colab couvrant les outils d'apprentissage profond pour la prédiction et la conception de la structure biomoléculaire
Évaluation automatique unifiée de la qualité pour la parole, la musique et les sons.
Inspectez, visualisez et intervenez sur n’importe quelle opération dans n’importe quel réseau neuronal. Capturez chaque activation et chaque gradient, le graphe de calcul complet et plus de 800 champs de métadonnées, sans modifier le code du modèle. Compatible avec PyTorch, JAX, TensorFlow, MLX, PaddlePaddle et tinygrad. Validé sur plus de 6 400 modèles. Conçu pour les chercheurs et leurs agents d’IA.
Algorithmes d'apprentissage automatique pour les systèmes quantiques à plusieurs corps
YaneuraOu est le moteur Shogi le plus fort au monde (joueur IA), vainqueur 1er de WCSC29, moteur éducatif et conforme à USI.
Reproduction de l'article de Yann LeCun de 1989 « Backpropagation Applied to Handwritten Zip Code Recognition », à ma connaissance la première application réelle d'un réseau neuronal entraîné par rétropropagation.
Dataset Management Framework, une bibliothèque Python et un outil CLI pour construire, analyser et gérer des ensembles de données de vision par ordinateur.
Tutoriels d'apprentissage automatique informés par la physique (Pytorch et Jax)
Introductions aux concepts clés de la programmation quantique, ainsi que des tutoriels et des implémentations issus de recherches de pointe en informatique quantique.
Tous mes modèles d'upscaling IA auto-entraînés et publiés. Après avoir rassemblé et appliqué plus de 600 modèles d'upscaling différents, j'ai appris à entraîner mes propres modèles, et voici les résultats.
L'implémentation PyTorch officielle de « Mamba-YOLO : basée sur les SSM pour la détection d'objets »
YOLOPv2 : Mieux, Plus Rapide, Plus Fort pour la Perception Panoptique de la Conduite
Un cerveau qui apprend de l’expérience vécue. Le système 1 par défaut : perception, mémoire, plasticité et action. Le système 2, en option, pour l’auto-observation et les corrections lentes.
Petit GPT implémenté à partir de zéro en Go pur. Optimisé pour la compréhension. Entraîné sur les livres de Jules Verne.
Optimisation non linéaire (recherche de racines, moindres carrés, ...) dans JAX+Equinox. https://docs.kidger.site/optimistix/
Paquet Python pour effectuer la correspondance d'entités et de texte en utilisant l'apprentissage profond.
Code pour le livre Deep Learning From Scratch, de O'Reilly septembre 2019
DÉPRÉCIÉ, maintenant dans sktime - package compagnon pour l'apprentissage profond basé sur TensorFlow
Ce dépôt contient tout ce dont vous avez besoin pour maîtriser la recherche ML/AI et les articles de recherche
Deep Learning Simplified est un référentiel open-source, contenant des projets d'apprentissage profond de niveau débutant à avancé pour les contributeurs, qui souhaitent commencer leur parcours dans l'apprentissage profond. URL Devfolio, https://devfolio.co/projects/deep-learning-simplified-f013
Bibliothèque Python pour entraîner des réseaux neuronaux avec un fort accent sur les applications hydrologiques.
Articles AAAI 2024 : Explorez une collection complète de recherches innovantes présentées lors de l'une des principales conférences sur l'intelligence artificielle. Intégrez de manière transparente les implémentations de code pour une meilleure compréhension. ⭐ découvrez le progrès de l'intelligence artificielle avec ce dépôt !
Code pour l'article "DewarpNet: Single-Image Document Unwarping With Stacked 3D and 2D Regression Networks" (ICCV '19)
Résoudre des problèmes directs et inverses liés aux équations aux dérivées partielles à l'aide de réseaux neuronaux informés par la physique à base finie (FBPINNs)
Compendium de ressources gratuites de lecture en apprentissage automatique