#rnn Dépôts
Découvrez 29 dépôts GitHub open source actifs associés à #rnn, cumulant 219,721 étoiles au total (soit une moyenne de 7,576 étoiles par projet). Le projet en tête de ce thème est microsoft/AI-For-Beginners, avec 71,086 étoiles.
29 dépôts au total
AiLearning : Analyse de données + Machine Learning pratique + Algèbre linéaire + PyTorch + NLTK + TF2
《Tutoriel d'apprentissage profond de Li Hongyi》(Recommandé par le professeur Li Hongyi 👍, Apple Books 🍎), Lien de téléchargement PDF : https://github.com/datawhalechina/leedl-tutorial/releases
RWKV (prononcé RwaKuv) est un RNN avec d'excellentes performances LLM, qui peut également être entraîné directement comme un transformer GPT (parallélisable). Nous en sommes à RWKV-7 "Goose". Il combine donc le meilleur des RNN et des transformers - d'excellentes performances, un temps linéaire, un espace constant (pas de cache kv), un entraînement rapide, une ctx_len infinie et une intégration de phrases gratuite.
ChatRWKV est comme ChatGPT mais alimenté par le modèle linguistique RWKV (100% RNN) et open source.
Série temporelle Timeseries Deep Learning Machine Learning Python Pytorch fastai | Bibliothèque Deep Learning de pointe pour les séries temporelles et les séquences en Pytorch / fastai
Tutoriels sur l'implémentation de quelques modèles sequence-to-sequence (seq2seq) avec PyTorch et TorchText.
Un logiciel d'apprentissage automatique pour extraire des informations de documents savants
Tutoriels pour débuter avec PyTorch et TorchText pour l'analyse de sentiments.
Classification de texte chinois CNN-RNN, basée sur TensorFlow
Robot automatique de poésie classique chinoise, x fois explosif, basé sur l'API TensorFlow 1.10, en cours de maintenance et de mise à niveau actives, étoile rapidement, restez à jour !
Cours d'initiation à l'apprentissage profond, cours avancés, cours spéciaux, cas académiques, cas de pratique industrielle, encyclopédie des connaissances en apprentissage profond et banque de questions d'entretien Le cours, le cas et les connaissances de Deep Learning et IA
Ce dépôt contient une liste de lecture d'articles sur la prévision/prédiction de séries temporelles (TSF) et la prévision/prédiction spatio-temporelle (STF). Ces articles sont principalement classés par type de modèle.
Génération de jazz pilotée par l'apprentissage profond en utilisant Keras & Theano !
Une liste sélectionnée des meilleures ressources en Intelligence Artificielle
:art: Version améliorée de la reconnaissance de formules mathématiques : Formules manuscrites et imprimées en chinois et anglais, prend en charge le raisonnement de base sur les symboles (structure de données basée sur l'arbre de syntaxe abstraite LaTeX) Math Formula OCR Pro, prend en charge l'écriture manuscrite, les formules mixtes chinois-anglais et le raisonnement simple sur les symboles (basé sur LaTeX AST).
Un cadre pour utiliser les LSTMs pour détecter les anomalies dans les données de séries temporelles multivariées. Inclut des données d'anomalies de vaisseaux spatiaux et des expériences des missions Mars Science Laboratory et SMAP.
Une bibliothèque d'apprentissage profond pour la classification des tâches (signaux) EEG, basée sur TensorFlow.
Tutoriel complet sur les algorithmes de NLP à LLM, adresse de lecture en ligne : https://datawhalechina.github.io/base-llm/
Diagrammes pour visualiser l'architecture des réseaux neuronaux
Bolt est une bibliothèque d'apprentissage profond avec des performances élevées et une flexibilité hétérogène.
Liste de conception moléculaire et matérielle utilisant l'IA générative et l'apprentissage profond
Une collection de méthodes de détection d'anomalies (iid/basées sur des points, graphe et séries temporelles) incluant l'apprentissage actif pour la détection/découverte d'anomalies, l'extraction de règles bayésiennes, description pour la diversité/explication/interprétabilité. Analyse de l'incorporation de retours d'étiquettes avec des détecteurs basés sur ensemble et arbre. Inclut des attaques adverses avec Graph Convolutional Network.
Prévision de la charge électrique de Delhi en utilisant les modèles ARIMA, RNN, LSTM et GRU
Classer la description des crimes de Kaggle San Francisco en 39 classes. Construire le modèle avec CNN, RNN (GRU et LSTM) et Word Embeddings sur Tensorflow.
Foire aux questions
Quel est le dépôt #rnn le plus populaire sur GitHub ?
Le projet #rnn open source le mieux classé sur GitHub est microsoft/AI-For-Beginners, avec 71,086 étoiles. 12 semaines, 24 leçons, l'IA pour tous !
Quels langages de programmation sont les plus utilisés dans les dépôts #rnn ?
Parmi les projets #rnn les mieux classés sur GitHub, les langages de programmation les plus courants sont Jupyter Notebook, Python, C, Java.
Comment le classement des dépôts #rnn est-il calculé ?
Nous suivons 29 dépôts open source actifs associés à #rnn (500+ étoiles), totalisant 219,721 étoiles, avec une moyenne de 7,576 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.