#deep-learning Repository
2,273 repository in totale
OCR, analisi del layout, ordine di lettura, riconoscimento tabelle in oltre 90 lingue
Il pytorch handbook รจ un libro open source, il cui obiettivo รจ aiutare gli amici che desiderano e utilizzano PyTorch per lo sviluppo e la ricerca in deep learning a iniziare rapidamente. Tutti i tutorial Pytorch inclusi sono stati testati e garantiscono un'esecuzione riuscita.
Una lista curata di eccellenti librerie open source per implementare, monitorare, versionare e scalare il tuo machine learning
Qwen3-VL รจ la serie di modelli linguistici di grandi dimensioni multimodali sviluppata dal team Qwen di Alibaba Cloud.
Il Unity Machine Learning Agents Toolkit (ML-Agents) รจ un progetto open-source che consente a giochi e simulazioni di fungere da ambienti per l'addestramento di agenti intelligenti utilizzando deep reinforcement learning e imitation learning.
ใReti neurali e deep learningใ di Qiu Xipeng, seconda edizione ed edizione divulgativa: e-book, indice dei capitoli, risorse per lo studio e errata corrige.
ARIS โ๏ธ (Auto-Research-In-Sleep) โ Competenze leggere solo Markdown per ricerca autonoma ML: loop di revisione cross-model, scoperta idee e automazione esperimenti. Nessun framework, nessun lock-in โ funziona con Claude Code, Codex, OpenClaw o qualsiasi agente LLM.
Materiali per il corso "Learn PyTorch for Deep Learning: Zero to Mastery".
:book: Una lista curata di risorse dedicate al Natural Language Processing (NLP)
Una libreria JavaScript accelerata da WebGL per l'addestramento e il deployment di modelli ML.
[๐ฅin aggiornamento ...] Bot di trading quantitativo AI automatico (distribuito completamente in locale) Piattaforma di ricerca sugli investimenti quantitativi basata sull'IA. ๐ documentazione online: https://ufund-me.github.io/Qbot โจ :news: qbot-mini: https://github.com/Charmve/iQuant
๐ซ CAMEL: Il primo e migliore framework multi-agente. Trovare la Legge di Scalabilitร degli Agenti. https://www.camel-ai.org
Questo progetto comprende i punti di conoscenza e le implementazioni di codice frequentemente testati nelle interviste di Machine Learning (Apprendimento Automatico), Deep Learning (Apprendimento Profondo) e NLP, ed รจ anche una conoscenza teorica fondamentale che un ingegnere algoritmico deve padroneggiare.
tutorial, articoli e altre risorse su machine learning e deep learning
Esempi di codice per il mio libro "Neural Networks and Deep Learning"
ใTutorial di Deep Learning di Li Hongyiใ(Raccomandato dal professor Li Hongyi ๐, Apple Books ๐), Link per il download PDF: https://github.com/datawhalechina/leedl-tutorial/releases
Un elenco curato di corsi, libri, videolezioni e articoli sull'Intelligenza Artificiale (AI).
Un elenco completo di contenuti relativi a Pytorch su GitHub, come diversi modelli, implementazioni, librerie di supporto, tutorial ecc.
OpenAI Baselines: implementazioni di alta qualitร di algoritmi di apprendimento per rinforzo
MNN: Un motore di inferenza ultraveloce e leggero, testato in battaglia da Alibaba, che alimenta LLMs e Edge AI ad alte prestazioni su dispositivo.
Una rete neurale che trasforma un mock-up di design in un sito web statico.
pix2tex: Utilizzo di un ViT per convertire immagini di equazioni in codice LaTeX.
Annotazione immagini con Python. Supporta poligono, rettangolo, cerchio, linea, punto e annotazione assistita da IA.
Burn รจ una libreria di tensori di nuova generazione e un framework di Deep Learning che non scende a compromessi su flessibilitร , efficienza e portabilitร .
Converti documenti in dati strutturati senza sforzo. Unstructured รจ una soluzione ETL open-source per trasformare documenti complessi in formati puliti e strutturati per modelli linguistici. Visita il nostro sito web per saperne di piรน sul nostro prodotto Platform di livello enterprise per flussi di lavoro di livello di produzione, partizionamento, arricchimento, chunking e embedding.
API di riconoscimento vocale offline per Android, iOS, Raspberry Pi e server con Python, Java, C# e Node
Questo repository contiene il codice sorgente per l'articolo First Order Motion Model for Image Animation
RWKV (pronunciato RwaKuv) รจ un RNN con ottime prestazioni LLM, che puรฒ anche essere addestrato direttamente come un transformer GPT (parallelizzabile). Siamo a RWKV-7 "Goose". Quindi combina il meglio di RNN e transformer - ottime prestazioni, tempo lineare, spazio costante (nessuna cache kv), addestramento veloce, ctx_len infinito e embedding di frasi gratuito.
Animate Anyone: Sintesi coerente e controllabile da immagine a video per l'animazione di personaggi