#tensorflow Dépôts
454 dépôts au total
[NeurIPS 2020] Augmentation Différentiable pour l'Entraînement de GAN Efficace en Données
Une boîte à outils pour iNNvestiguer les prédictions des réseaux de neurones !
Une liste curatée d'excellents liens et de bibliothèques logicielles utiles pour les robots.
Une implémentation TensorFlow de cet article Nvidia : https://arxiv.org/pdf/1604.07316.pdf avec quelques modifications
ktrain est une bibliothèque Python qui rend l'apprentissage profond et l'IA plus accessibles et plus faciles à appliquer
Une implémentation multi-backend de l'API Keras, avec prise en charge de TensorFlow, JAX et PyTorch.
Ce codebase démontre comment synthétiser des animations réalistes de personnages 3D à partir d'un signal vocal arbitraire et d'un maillage de personnage statique.
Bibliothèque TensorFlow Lite haute performance pour React Native avec accélération GPU
Implémentation Keras de "One pixel attack for fooling deep neural networks" utilisant l'évolution différentielle sur Cifar10 et ImageNet
Framework de compression de réseau neuronal pour une inférence OpenVINO™ améliorée
:smiley_cat: Modèle d'application de classification d'images joli et simple. Déployez votre modèle entraîné ou un modèle pré-entraîné (VGG, ResNet, Densenet) dans une application web en utilisant Flask en 10 minutes.
:basketball::robot::basketball: Application web et API d'IA pour analyser les tirs de basketball et la pose de tir.
Une méthode simple pour effectuer un apprentissage semi-supervisé avec des données limitées.
Encodeur automatique variationnel implémenté en tensorflow et pytorch (y compris le flux autorégressif inverse)
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.
💁 Impressionnant trésor de modèles Transformer pour le traitement du langage naturel contenant des articles, des vidéos, des blogs, des dépôts officiels ainsi que des notebooks Colab. 🛫☑️
Une bibliothèque d'apprentissage profond pour la classification des tâches (signaux) EEG, basée sur TensorFlow.
Un tutoriel montrant comment configurer l'API de détection d'objets de TensorFlow sur Raspberry Pi
Une bibliothèque légère "header-only" pour utiliser des modèles Keras (TensorFlow) en C++.
:computer: Apprenez à faire apprendre les machines pour ne pas avoir à lutter pour les programmer ; La liste ultime
attaques de mise à l'échelle d'images pour l'injection de prompts multimodaux
Dépôt pour le projecteur NeurIPS 2020 « AdaBelief Optimizer : Adapting stepsizes by the belief in observed gradients »
Coloration d'images en noir et blanc avec l'apprentissage profond.
Référentiel de code pour Deep Learning avec Keras publié par Packt
Agrandir une image par un facteur de 4, tout en générant des détails photoréalistes.
Apprentissage rapide et simple de la structure de réseau profond sous contrainte de ressources
Reconnaissance de gestes via CNN. Implémenté en Keras + Tensorflow/Theano + OpenCV
Codes sources pour le livre "Reinforcement Learning: Theory and Python Implementation"
:zap: TensorFlowASR: Reconnaissance vocale automatique presque à la pointe de la technologie dans TensorFlow 2. Langues prises en charge qui peuvent utiliser des caractères ou des sous-mots
Entraînement de modèles neuronaux avec des signaux structurés.
Un compilateur de réseau neuronal profond (DNN) flexible et efficace qui génère des exécutables haute performance à partir d'une description de modèle DNN.
Un outil pour convertir les fichiers ONNX en LiteRT/TFLite/TensorFlow, code natif PyTorch (nn.Module), TorchScript (.pt), state_dict (.pt), Exported Program (.pt2) et Dynamo ONNX. Il prend également en charge la conversion directe de LiteRT vers PyTorch.