#deep-learning Repository
Scopri 2,273 repository GitHub open source attivi contrassegnati con #deep-learning, che raccolgono un totale di 10,372,329 stelle (con una media di 4,563 stelle per progetto). Il progetto leader di questo argomento è tensorflow/tensorflow, con 201,665 stelle.
2,273 repository in totale
🤗 Transformers: il framework di definizione dei modelli per modelli di machine learning all'avanguardia in testo, visione, audio e modelli multimodali, sia per l'inferenza che per l'addestramento.
🐙 Guide, articoli, lezioni, notebook e risorse per il prompt engineering, il context engineering, RAG e gli agenti AI.
Impara l’ingegneria dell’IA! Imparala. Costruiscila. Mettila a disposizione degli altri.
Un elenco curato di fantastici framework, librerie e software di Machine Learning.
《Impara Deep Learning Praticando》: Per lettori cinesi, eseguibile e discutibile. Le versioni in cinese e inglese sono utilizzate per l'insegnamento in oltre 500 università in più di 70 paesi.
🧑🏫 60+ Implementazioni/tutorial di pubblicazioni di deep learning con note affiancate 📝; inclusi transformer (original, xl, switch, feedback, vit, ...), ottimizzatori (adam, adabelief, sophia, ...), gans(cyclegan, stylegan2, ...), 🎮 reinforcement learning (ppo, dqn), capsnet, distillazione, ... 🧠
Il repository più semplice e veloce per addestrare/affinare GPT di medie dimensioni.
Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — rilevamento degli oggetti, segmentazione delle istanze, segmentazione semantica, classificazione delle immagini, stima della posa e tracciamento degli oggetti
Clona una voce in 5 secondi per generare discorsi arbitrari in tempo reale
Ultralytics YOLOv5 in PyTorch per rilevamento oggetti, segmentazione di istanze, classificazione, addestramento ed esportazione.
500 domande sul deep learning, presentate in formato Q&A per spiegare argomenti caldi come conoscenze comuni di probabilità, algebra lineare, machine learning, deep learning, computer vision ecc., per aiutare me stesso e i lettori che ne hanno bisogno. L'intero libro è diviso in 18 capitoli, oltre 500.000 parole. A causa del livello limitato, chiedo ai lettori di criticare e correggere eventuali parti inappropriate nel libro. Da continuare............ Se interessati a collaborare, contattate [email protected] Tutti i diritti riservati, la violazione sarà perseguita Tan 2018.06
Il repository fornisce il codice per l'esecuzione dell'inferenza con il SegmentAnything Model (SAM), collegamenti per il download dei checkpoint del modello addestrato e notebook di esempio che mostrano come utilizzare il modello.
Qlib è una piattaforma di investimento Quant orientata all'IA che mira a utilizzare la tecnologia AI per potenziare la ricerca Quant, dall'esplorazione delle idee all'implementazione della produzione. Qlib supporta diversi paradigmi di modellazione ML, tra cui l'apprendimento supervisionato, la modellazione della dinamica di mercato e RL, ed è ora equipaggiata con https://github.com/microsoft/RD-Agent per automatizzare il processo di R&S.
Impara a sviluppare, distribuire e iterare applicazioni ML di livello produttivo.
Ray è un motore di calcolo AI. Ray consiste in un runtime distribuito principale e un set di librerie AI per accelerare i carichi di lavoro ML.
Crea e condividi app di machine learning deliziose, tutto in Python. 🌟 Metti una stella per supportare il nostro lavoro!
🐸💬 - un toolkit di deep learning per Text-to-Speech, testato in ricerca e produzione
Tutorial e Esempi di TensorFlow per Principianti (supporto per TF v1 & v2)
DeepSpeed è una libreria di ottimizzazione per il deep learning che rende il training distribuito e l'inferenza facili, efficienti ed efficaci.
Sintesi di immagini ad alta risoluzione con modelli di diffusione latente
ChatGLM-6B: Un modello linguistico di dialogo bilingue open source | Modello linguistico di dialogo bilingue open source
500 progetti di intelligenza artificiale Machine learning Deep learning Computer vision NLP con codice
Soluzioni ML multipiattaforma e personalizzabili per media live e in streaming.
GFPGAN mira allo sviluppo di algoritmi pratici per il restauro di volti nel mondo reale.
Un kit di strumenti per sviluppare e confrontare algoritmi di apprendimento per rinforzo.
Detectron2 è una piattaforma per il rilevamento di oggetti, segmentazione e altre attività di riconoscimento visivo.
🤗 Diffusers: Modelli di diffusione all'avanguardia per la generazione di immagini, video e audio in PyTorch.
CLIP (Contrastive Language-Image Pretraining), Previsione del frammento di testo più pertinente data un'immagine
Domande frequenti
Qual è il repository #deep-learning più popolare su GitHub?
Il progetto open source #deep-learning più alto in classifica su GitHub è tensorflow/tensorflow, con 201,665 stelle. Un framework di machine learning open source per tutti
Quali linguaggi di programmazione sono più utilizzati nei repository #deep-learning?
Tra i progetti #deep-learning più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C++, JavaScript.
Come viene calcolata la classifica dei repository #deep-learning?
Monitoriamo 2,273 repository open source attivi contrassegnati con #deep-learning (500+ stelle), per un totale di 10,372,329 stelle e una media di 4,563 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.