#neural-network Repository
213 repository in totale
Algoritmi ML implementati e derivati dai primi principi in Jupyter Notebooks e NumPy
Un pacchetto Python per estendere l'ufficiale PyTorch che puรฒ facilmente ottenere prestazioni sulla piattaforma Intel
Implementazione ufficiale del modello RAVE: un Autoencoder Variazionale Audio in Tempo Reale
Scommesse sportive NBA utilizzando machine learning
PPL Quantization Tool (PPQ) รจ un potente strumento offline per la quantizzazione di reti neurali.
Le azioni di Deep Learning e Machine Learning rappresentano opportunitร promettenti sia per investitori e trader a lungo termine che a breve termine.
Un framework basato su PyTorch per la Simulazione Quantistica Classica, l'Apprendimento Automatico Quantistico, le Reti Neurali Quantistiche, i Circuiti Quantistici Parametrizzati con supporto per facili implementazioni su computer quantistici reali.
Una libreria PyTorch e piattaforma di valutazione per la ricerca sulla compressione end-to-end
Una libreria di streaming di dati per un efficiente addestramento di reti neurali
Una libreria PyTorch interamente dedicata alle equazioni differenziali neurali, ai modelli impliciti e ai metodi numerici correlati
Una raccolta di notebook e altri file che possono aiutarti a imparare l'IA da zero.
Slide e notebook Jupyter per le lezioni di Deep Learning del Master Anno 2 Data Science dell'Institut Polytechnique de Paris
Train to 94% on CIFAR-10 in <6.3 seconds on a single A100. Or ~95.79% in ~110 seconds (or less!)
[ECCV`24&ICLR`25] CityGaussian Series per la ricostruzione di scene su larga scala di alta qualitร con Gaussiane
Addestramento e inferenza distribuiti per la percezione multimodale: embedding condivisi per testo, immagini, video, audio, codice e grafi, da 64 a 1024 dimensioni ๐ผ๏ธ
Solutori di Reti Neurali Informate dalla Fisica (PINN) di Equazioni Differenziali (Parziali) per Simulazione Accelerata di Machine Learning Scientifico (SciML)
Implementazione in Keras di "One pixel attack for fooling deep neural networks" utilizzando l'evoluzione differenziale su Cifar10 e ImageNet
Un progetto per l'elaborazione di reti neurali e il rendering per ottenere informazioni sull'architettura e sui parametri di un modello attraverso una rappresentazione ordinata.
Diagrammi per la visualizzazione dell'architettura delle reti neurali
:computer: Impara a far imparare le macchine cosรฌ da non dover lottare per programmarle; L'elenco definitivo
Ingrandisci un'immagine di un fattore 4, generando dettagli fotorealistici.
Implementazione pura PyTorch del paper NVIDIA sull'addestramento istantaneo di primitive grafiche neurali: https://nvlabs.github.io/instant-ngp/
Un metodo in tempo reale che stima la posa umana 3D direttamente nel popolare formato Bio Vision Hierarchy (BVH), date stime delle articolazioni del corpo 2D derivate da immagini a colori monoculari. I nostri contributi includono: (a) Una rappresentazione NSRM della posa 2D nuova e compatta. (b) Un classificatore di orientamento del corpo umano e un ensemble di orientamenti sintonizzati
Codice per "HyperNeRF: una rappresentazione di dimensioni superiori per campi neurali di radianza topologicamente variabili".