#tensorflow Repository
454 repository in totale
GPU-Jupyter: Il tuo JupyterLab accelerato da GPU con un ricco stack di strumenti per la data science, TensorFlow e PyTorch per i tuoi esperimenti di deep learning riproducibili.
Articoli recenti ad alta citazione/conferenze top sull'interpretabilitร dei modelli di reti neurali nel deep learning (con codice)
Implementazione Tensorflow, Keras di U-net, V-net, U-net++, UNET 3+, Attention U-net, R2U-net, ResUnet-a, U^2-Net, TransUNET e Swin-UNET con backbone opzionali pre-addestrati su ImageNet.
Servizio di serving generico e facile da usare per modelli di machine learning
L'implementazione ANPR / ALPR piรน veloce al mondo per CPU, GPU, VPU e NPU basata su Transformers (ONNX, TensorFlow Lite, TensorRT, Hailo, OpenVINO, RKNN2...). Supporta piรน set di caratteri (latino, coreano e cinese), sistemi operativi (Jetson, Android, Raspberry Pi, Linux e Windows) e architetture (ARM, x86).
NeuPy รจ una libreria Python basata su Tensorflow per il prototipaggio e la costruzione di reti neurali.
Codice per l'articolo "Computation Offloading Optimization for UAV-assisted Mobile Edge Computing: A Deep Deterministic Policy Gradient Approach"
Riesaminare modelli pre-addestrati per l'elaborazione del linguaggio naturale cinese (MacBERT)
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
Ispeziona, visualizza e intervieni su qualsiasi operazione in qualsiasi rete neurale. Acquisisci ogni attivazione e gradiente, lโintero grafo computazionale e oltre 800 campi di metadati, senza modificare il codice del modello. Supporta PyTorch, JAX, TensorFlow, MLX, PaddlePaddle e tinygrad. Convalidato su oltre 6.400 modelli. Creato per i ricercatori e i loro agenti IA.
Riepilogo del codice di apprendimento di JavaScript, funzionalitร avanzate, strutture dati, pattern di progettazione, typescript, vue, angular, react, node, webpack, weex, mini-programmi, tensorflow..., JavaScript รจ il miglior linguaggio del mondo!
Un framework ML senza dipendenze in C con un'API Python moderna per il pieno controllo su esecuzione e memoria.
Una roadmap completa di ML (Machine Learning) Full Stack prevede l'apprendimento delle competenze e delle tecnologie necessarie per diventare esperti in tutti gli aspetti del machine learning, inclusa la raccolta e la preelaborazione dei dati, lo sviluppo del modello, il deployment e la manutenzione.
Un modello di deep learning veloce per upscalare video a bassa risoluzione ad alta risoluzione a 30 fps
Deep Learning su Flink mira a integrare Flink e framework di deep learning (ad es. TensorFlow, PyTorch, ecc.) per abilitare l'addestramento e l'inferenza di deep learning distribuiti su un cluster Flink.
Riconoscimento vocale offline con OpenAI Whisper e TensorFlow Lite per Android
Una raccolta di algoritmi all'avanguardia per l'addestramento, il serving e l'interpretazione dei modelli Decision Forest in Keras.
Fabric for Deep Learning (FfDL, pronunciato fiddle) รจ una piattaforma di Deep Learning che offre TensorFlow, Caffe, PyTorch ecc. come servizio su Kubernetes.
[JMLR 2023] Quantus รจ un toolkit di IA spiegabile per la valutazione responsabile delle spiegazioni delle reti neurali
Una libreria per addestrare, valutare, interpretare e mettere in produzione modelli di foreste decisionali come Random Forest e Gradient Boosted Decision Trees.
Supporto all'installazione per framework di Deep Learning per il sistema ArcGIS
Dal grande al piccolo: Guida planare locale multi-scala per la stima della profonditร monocular
Generatori di dati sintetici per testi strutturati e non strutturati, con apprendimento differenzialmente privato.
Questo repository include tutorial su come utilizzare le API estimator di TensorFlow per eseguire varie attivitร ML in modo sistematico e standardizzato.
Tutti i miei modelli di upscaling AI auto-addestrati e rilasciati. Dopo aver raccolto e applicato oltre 600 diversi modelli di upscaling, ho imparato come addestrare i miei modelli e questi sono i risultati.
Visualkeras รจ un pacchetto Python che aiuta a visualizzare le architetture di reti neurali Keras (autonome o incluse in TensorFlow). Permette uno stile facile per adattarsi alla maggior parte delle esigenze. Questo modulo supporta la generazione di architetture in stile a strati, ottime per le CNN (Reti Neurali Convoluzionali), e un'architettura in stile grafico, che funziona benissimo per la maggior parte dei modelli, comprese le reti feed-forward semplici.
Implementazione di algoritmi di Inverse Reinforcement Learning (IRL) in Python/TensorFlow. Deep MaxEnt, MaxEnt, LPIRL
๐ Velocitร 200x! Il gadget di download dell'era AI | Accelerazione completa per Docker/PyPI/HuggingFace/CRAN | Divisione parallela + cache intelligente, fai volare i download.
Utilitร e helper aggiuntivi per estendere TensorFlow nella creazione di sistemi di raccomandazione, contribuiti e mantenuti da SIG Recommenders.
Keras beit,caformer,CMT,CoAtNet,convnext,davit,dino,efficientdet,edgenext,efficientformer,efficientnet,eva,fasternet,fastervit,fastvit,flexivit,gcvit,ghostnet,gpvit,hornet,hiera,iformer,inceptionnext,lcnet,levit,maxvit,mobilevit,moganet,nat,nfnets,pvt,swin,tinynet,tinyvit,uniformer,volo,vanillanet,yolor,yolov7,yolov8,yolox,gpt2,llama2, alias kecam