#neural-network Repository
213 repository in totale
MACE รจ un framework di inferenza per l'apprendimento profondo ottimizzato per piattaforme di calcolo eterogenee mobili.
Libreria di alto livello per aiutare nell'addestramento e nella valutazione di reti neurali in PyTorch in modo flessibile e trasparente.
La bibbia definitiva per iniziare con l'IA, senza oscuritร o elitarismo, accessibile a tutti, dagli studenti agli ingegneri. Copre tutto, dalle reti neurali ai grandi modelli, dalla progettazione di alto livello ai principi microscopici, dall'implementazione ingegneristica alle basi algoritmiche. Dopo averlo letto, capirete perfettamente perchรฉ la previsione del prossimo token, una capacitร apparentemente insignificante, possa cambiare il mondo, e scoprirete che l'IA non รจ cosรฌ misteriosa o irraggiungibile come pensavate. Let's just beat it!
Una libreria per il machine learning scientifico e l'apprendimento informato dalla fisica
Appunti, incarichi di programmazione e quiz di tutti i corsi della specializzazione Deep Learning di Coursera offerta da deeplearning.ai: (i) Reti neurali e Deep Learning; (ii) Miglioramento delle reti neurali profonde: tuning degli iperparametri, regolarizzazione e ottimizzazione; (iii) Strutturazione di progetti di Machine Learning; (iv) Reti neurali convoluzionali; (v) Modelli di sequenza
Implementazioni in Python puro di algoritmi base di machine learning
Un'implementazione pulita basata su AlphaZero per qualsiasi gioco in qualsiasi framework + tutorial + Othello/Gobang/TicTacToe/Connect4 e altro
Facilitando la progettazione, il confronto e la condivisione di modelli di corrispondenza di testo profondo.
PennyLane รจ una piattaforma open source di software quantistico per il calcolo quantistico, il machine learning quantistico e la chimica quantistica. Crea algoritmi quantistici significativi, dall'ispirazione all'implementazione.
Questo repository รจ una collezione curata di progetti pratici di data science pensati per principianti. Che tu stia appena iniziando il tuo percorso nella data science o voglia rafforzare le tue competenze, questi progetti offrono un modo pratico e interattivo per applicare le tue conoscenze.
Pacchetto Python per AutoML su dati tabulari con Feature Engineering, Tuning degli Iper-Parametri, Spiegazioni e Documentazione Automatica
ManimML รจ un progetto incentrato sulla fornitura di animazioni e visualizzazioni di concetti comuni di machine learning con la Manim Community Library.
Questo repository รจ stato creato per aiutare i principianti nel machine learning o coloro che si stanno preparando per uno studio. (This repository is intended for helping those who are beginners in machine learning or preparing for study)
[CVPR 2024] 4D Gaussian Splatting per il Rendering di Scene Dinamiche in Tempo Reale
La Compute Library รจ un insieme di funzioni di visione artificiale e machine learning ottimizzate per CPU Arm e GPU utilizzando tecnologie SIMD.
Link a risorse curate con cura per la data science in un unico posto
Inferenza LLM distribuita. Collega i dispositivi domestici in un potente cluster per accelerare l'inferenza LLM. Piรน dispositivi significano inferenza piรน veloce.
un delizioso strumento di machine learning che ti consente di addestrare, testare e utilizzare modelli senza scrivere codice
Articoli di ricerca su Deep Learning e deep reinforcement learning e alcuni codici
Roadmap AI: Apprendimento automatico (Machine Learning), Apprendimento profondo (Deep Learning), Reti neurali avversarie (GAN), Reti neurali a grafo (GNN), PNL, roadmap di sviluppo relativa ai big data (roadmap), con una vasta quantitร di codice sorgente (python, pytorch) per aiutare a digerire i punti di conoscenza di base, superare i colloqui e completare il salto da principiante a ingegnere qualificato. Tra questi, i documenti relativi all'apprendimento profondo includono il codice sorgente ufficiale di tensorflow e caffe, e la parte applicativa contiene algoritmi di raccomandazione e grafi di conoscenza.
App/estensione browser di traduzione AI per fumetti e manga, per tradurre automaticamente fumetti, manga, manhwa, BD, fumetti e altro ancora in molteplici lingue e formati (immagini, PDF, EPUB, CBR, CBZ, ecc.).
Precisione media media - Questo codice valuta le prestazioni della tua rete neurale per il riconoscimento di oggetti.
Minkowski Engine รจ una libreria di reti neurali con auto-differenziazione per tensori sparsi ad alta dimensionalitร
Una piattaforma di apprendimento a circuito chiuso per la visione artificiale in cui il codice puรฒ essere eseguito interattivamente online. Libro elettronico cinese "Computer Vision in Action: Algorithms and Applications" a circuito chiuso, codice sorgente, comunitร di scambio per lettori (in continuo aggiornamento ...) ๐ E-book online https://charmve.github.io/computer-vision-in-action/ ๐Pagina principale del progetto
๐ Una libreria efficiente di collezioni di algoritmi per la ricerca approssimata del vicino piรน prossimo scritta in Rust ๐ฆ .
Operatori di inferenza per reti neurali a virgola mobile ad alta efficienza per dispositivi mobili, server e Web
Algoritmi ML 2-2000x piรน veloci, 50% in meno di utilizzo della memoria, funziona su tutti i hardware - nuovi e vecchi.
Objectron รจ un dataset di clip video brevi e centrate sugli oggetti. Inoltre, i video contengono anche metadati di sessione AR, inclusi pose della fotocamera, nuvole di punti sparse e piani. In ogni video, la fotocamera si muove intorno e sopra l'oggetto e lo cattura da diverse viste. Ogni oggetto รจ annotato con una bounding box 3D. La bounding box 3D descrive la posizione, l'orientamento e le dimensioni dell'oggetto. Il dataset contiene circa 15K clip video annotate e 4M immagini annotate nelle seguenti categorie.
Libreria C++ per l'elaborazione di immagini e machine learning con utilizzo di SIMD: SSE, AVX, AVX-512, AMX per x86/x64, NEON, SVE per ARM, HVX per Hexagon
Raccolta di articoli e progetti open-source di ECCV 2024, e tutti i grandi esperti sono invitati a inviare issue, condividere articoli e progetti open-source di ECCV 2024.
๐Riconoscimento vocale utilizzando il framework di deep learning TensorFlow, reti neurali sequence-to-sequence