Jupyter Notebook Repository
1,614 repository in totale
Implementazione di XFeat (CVPR 2024). Hai bisogno di un'estrazione di caratteristiche locali robusta e veloce? Sei nel posto giusto!
Questo repository fornisce una soluzione avanzata di Retrieval-Augmented Generation (RAG) per complesse attivitร di risposta alle domande. Utilizza un sofisticato algoritmo basato su grafi per gestire i compiti.
Parallel WaveGAN Non Ufficiale (+ MelGAN & Multi-band MelGAN & HiFi-GAN & StyleMelGAN) con PyTorch
Addestramento unificato di trasformatori universali per la previsione di serie temporali
Pacchetto ML interpretabile ๐ per modellazione predittiva concisa, trasparente e accurata (compatibile con sklearn).
[ICLR'24] Implementazione ufficiale PyTorch di Magic123: Generazione di oggetti 3D di alta qualitร da una singola immagine utilizzando prior di diffusione 2D e 3D
Codice ufficiale per "FeatUp: Un framework agnostico rispetto al modello per caratteristiche a qualsiasi risoluzione" ICLR 2024
Una raccolta di notebook Jupyter e lezioni YouTube corrispondenti di Roman Paolucci
Uno strumento potente per il fuzzing automatizzato di LLM. ร progettato per aiutare sviluppatori e ricercatori di sicurezza a identificare e mitigare potenziali jailbreak nelle API LLM.
Machine Learning University: Corso accelerato di Computer Vision
[ACM MM 2024] Questo รจ il codice ufficiale per "AniTalker: Animate Vivid and Diverse Talking Faces through Identity-Decoupled Facial Motion Encoding"
Un tutorial che mostra come addestrare, convertire ed eseguire modelli di rilevamento oggetti TensorFlow Lite su dispositivi Android, Raspberry Pi e altro!
Kernl ti consente di eseguire modelli transformer PyTorch diverse volte piรน velocemente su GPU con una singola riga di codice, ed รจ progettato per essere facilmente modificabile.
KoAlpaca: Un modello linguistico open-source per comprendere le istruzioni coreane
Seed1.5-VL, un modello fondazionale vision-language progettato per migliorare la comprensione e il ragionamento multimodale di uso generale, ottenendo prestazioni all'avanguardia su 38 dei 60 benchmark pubblici.
Derivazione matematica e implementazione in codice Python puro di algoritmi di machine learning.
Una libreria PyTorch interamente dedicata alle equazioni differenziali neurali, ai modelli impliciti e ai metodi numerici correlati
Robyn รจ un pacchetto sperimentale di Marketing Mix Modeling (MMM) open source basato su AI/ML di Meta Marketing Science. La nostra missione รจ democratizzare la conoscenza della modellazione, ispirare il settore attraverso l'innovazione, ridurre i bias umani nel processo di modellazione e costruire una forte comunitร di marketing science open source.
Questo repository contiene esempi per i clienti per iniziare a utilizzare il servizio Amazon Bedrock. Questo contiene esempi per tutti i modelli fondamentali disponibili.
Questo repository รจ stato creato per servire simulazioni e analisi sui dati raccolti nella ricerca della tesi di dottorato di Jiuyang Bai.
Questo progetto ha progettato e implementato un sistema intelligente di domande e risposte mediche basato su RAG (Retrieval-Augmented Generation) con grafi di conoscenza e modelli linguistici di grandi dimensioni. Basato sul set di dati medico DiseaseKG e utilizzando Neo4j, il sistema costruisce un grafo di conoscenza di dominio che include 44.000 entitร e 310.000 relazioni. Combinando il riconoscimento delle entitร nominate BERT e il riconoscimento dell'intento tramite un modello 32B, il sistema mitiga efficacemente le allucinazioni dei modelli linguistici in ambito medico attraverso una ricerca precisa nel grafo e una generazione controllata delle risposte, migliorando significativamente l'accuratezza e l'affidabilitร delle risposte.
Repository ufficiale del mio libro: "Deep Learning con PyTorch passo dopo passo: una guida per principianti"
Collezione di playbook passo-passo per configurare carichi di lavoro AI/ML su dispositivi NVIDIA DGX Spark con architettura Blackwell.
Portfolio di progetti di data science completati da me per scopi accademici, di autoapprendimento e per hobby.
Trucchi e Strumenti Python Efficienti per Data Scientist
Benchmark LLM combattendo in Street Fighter 3! Il nuovo modo per valutare la qualitร di un LLM
Dimostrazioni Python ben documentate per l'analisi dei dati spaziali, geo-statistica e machine learning per supportare i miei corsi.
Una raccolta di notebook e altri file che possono aiutarti a imparare l'IA da zero.
fire-smoke-detect-yolov4-yolov5 e fire-smoke-detection-dataset rilevamento incendi, rilevamento fumo
TextWorld รจ un ambiente di apprendimento sandbox per l'addestramento e la valutazione di agenti di apprendimento per rinforzo (RL) su giochi basati su testo.
Pacchetto Python open-source per l'estrazione di caratteristiche Radiomics da immagini 2D e 3D e maschere binarie. Supporto: https://discourse.slicer.org/c/community/radiomics