#deep-neural-networks Repository
103 repository in totale
Raccolta di notebook di Google Colaboratory per esperimenti rapidi e semplici
Una libreria PyTorch e piattaforma di valutazione per la ricerca sulla compressione end-to-end
๐ Risorse AI GRATUITE - ๐ Corsi, ๐ท Lavori, ๐ Blog, ๐ฌ Ricerca AI e molto altro - per tutti!
Esempio di Machine Learning TensorFlow per Android (Costruire TensorFlow per Android)
Il Medical Detection Toolkit contiene implementazioni 2D + 3D di rilevatori di oggetti prevalenti come Mask R-CNN, Retina Net, Retina U-Net, nonchรฉ un framework di addestramento e inferenza focalizzato sulla gestione di immagini mediche.
๐ L'API TensorFlow Object Counting รจ un framework open source costruito su TensorFlow e Keras che rende facile lo sviluppo di sistemi di conteggio oggetti!
Una raccolta di risorse sulle applicazioni dei Transformer nell'imaging medico.
Framework sequence-to-sequence con focus sulla Traduzione Automatica Neurale basato su PyTorch
Autoencoder variazionale implementato in tensorflow e pytorch (incluso flusso autoregressivo inverso)
Diagrammi per la visualizzazione dell'architettura delle reti neurali
Potatura di Canali per Accelerare Reti Neurali Molto Profonde (ICCV'17)
Una libreria adversarial PyTorch per metodi di attacco e difesa su immagini e grafi
Repository complementare per GANs in Action: Deep learning con Generative Adversarial Networks
[ICML2024 (Oral)] Implementazione ufficiale PyTorch di DoRA: Adattamento a basso rango decomposto per pesi
Implementazione indipendente dal framework per metodi di salienza all'avanguardia (XRAI, BlurIG, SmoothGrad e altro).
Un compilatore poliedrico per esprimere algoritmi paralleli di dati veloci e portatili
Impara il deep learning con tensorflow 2.0, keras e python attraverso questa serie completa di tutorial sul deep learning. Impara il deep learning da zero. Serie di deep learning per principianti. Tutorial tensorflow, tutorial tensorflow 2.0. tutorial deep learning python.
Collezione di metodi recenti sulla compressione e accelerazione di reti neurali (profonde).
Ingegneria della Rappresentazione: Un Approccio Top-Down alla Trasparenza dell'IA
Stack ADAS di livello 2 gratuito e completamente open source, basato su tecnologia IA end-to-end
TinyNeuralNetwork รจ un framework efficiente e facile da usare per la compressione di modelli di deep learning.
Una lista curata di DATASETS, CODEBASES e PAPER su Multi-Task Learning (MTL), dalla prospettiva del Machine Learning.
Questo repository contiene una raccolta di sondaggi, set di dati, articoli e codici per la stima dell'incertezza predittiva nei modelli di deep learning.
Esempio di Machine Learning Android TensorFlow Lite
Un interprete di lingua dei segni che utilizza il flusso video live dalla fotocamera.
NeuPy รจ una libreria Python basata su Tensorflow per il prototipaggio e la costruzione di reti neurali.
Intelยฎ AI Reference Models: contiene ottimizzazioni Intel per l'esecuzione di carichi di lavoro di deep learning su processori Intelยฎ Xeonยฎ Scalable e GPU Intelยฎ Data Center
Un elenco curato (piรน recente) di risorse per imparare con etichette rumorose
Esempio di previsione di piรน serie temporali multivariate con reti neurali ricorrenti LSTM in Python con Keras.
Articoli, codice e set di dati sull'apprendimento profondo per il rilevamento di oggetti 3D.
Fabric for Deep Learning (FfDL, pronunciato fiddle) รจ una piattaforma di Deep Learning che offre TensorFlow, Caffe, PyTorch ecc. come servizio su Kubernetes.
Previsione dei prezzi delle azioni utilizzando una rete neurale LSTM (long short-term memory) di TensorFlow per la previsione di serie temporali
ML-capsule รจ un progetto per principianti ed esperti appassionati di data science che non hanno un mentore o una guida e desiderano imparare il Machine Learning. Utilizzando il nostro repository, possono imparare ML, DL e molte tecnologie correlate con diversi progetti del mondo reale e prepararsi per i colloqui.
Una libreria per layer di reti neurali bayesiane e stima dell'incertezza nel Deep Learning che estende il core di PyTorch
ProphitBet รจ unโapplicazione per prevedere le scommesse sul calcio basata sul machine learning. Analizza la forma delle squadre, calcola le statistiche delle partite e ne prevede gli esiti utilizzando metodi avanzati di machine learning (ML). Inoltre, offre agenti di scommessa basati sul deep reinforcement learning (DRL), in grado di apprendere strategie di scommessa ottimali.
Questo repository contiene il codice di valutazione per l'articolo "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI"
Animazione automatica di personaggi 3D utilizzando tecniche di stima della posa e generazione di punti di riferimento
Il Microsoft Scalable Noisy Speech Dataset (MS-SNSD) รจ un dataset di voce rumorosa che puรฒ scalare a dimensioni arbitrarie a seconda del numero di parlanti, tipi di rumore e livelli di Rapporto Segnale/Rumore (SNR) desiderati.
Un Dataset Multimodale su Scala Larga di Automobili con Simulazioni di Dinamica dei Fluidi Computazionale e Benchmark di Deep Learning
Pipeline di aumentazione per il rendering di processi di stampa su carta sintetica, fax, scansione e copiatura
File '็ฌๅ็บฟๆฎต็ไธ็งๅๅ.py', basta inserire i dati high e low delle candele K per realizzare automaticamente la suddivisione in tratti, segmenti di linea, nucleo, punti di acquisto e vendita, tipi di trend. Puoi usare sh.csv come file di input. Curriculum in pdf. Il potere del tempo. Alcuni dicono che il timing รจ molto difficile, altri che selezionare azioni รจ facile, altri che le strutture IT per l'arbitraggio statistico sono molto importanti. E alcuni dicono che il sistema ha principi imprevedibili. Opinioni contrastanti. Un sistema distribuito, quando il tuo impatto puรฒ essere ignorato, solo allora puoi realizzarlo, come diceva il presidente Jiang: arricchirsi in silenzio. Nella prima settimana, il mercato รจ sceso dell'1%, ho guadagnato diecimila, un 5% di profitto. #Azioni #Borsa #TeoriaChan https://v.kuaishou.com/bFEl6M Copia questo messaggio e apri ใKwaiใ per visualizzare!