#data-augmentation リポジトリ
#data-augmentationのタグが付いた、GitHub上の46件のアクティブなオープンソースリポジトリをご覧ください。合計スター数は80,183個で、プロジェクトあたりの平均は1,743個です。このトピックをリードしているのは、6,490個のスターを獲得しているopen-mmlab/mmcvです。
リポジトリ合計46件
GPUアクセラレーションされたライブラリで、高度に最適化されたビルディングブロックとデータ処理のための実行エンジンを含み、ディープラーニングのトレーニングおよび推論アプリケーションを加速します。
TextAttack 🐙 は、NLP における敵対的攻撃、データ拡張、モデルトレーニングのための Python フレームワークです https://textattack.readthedocs.io/en/master/
fastdupは、画像およびビデオデータセットから貴重な洞察を迅速に生成するように設計された、強力で無料のツールです。これは、画像とラベルの両方の品質を向上させ、データ運用のコストを大幅に削減し、すべて比類のないスケーラビリティを備えています。
有用なデータ拡張リソースのリスト。ここでは、一般的でない技術、ライブラリ、GitHub リポジトリへのリンク、論文などを発見できます。
本プロジェクトでは、ナレッジグラフRAGと大規模言語モデルに基づく医療用インテリジェントQ&Aシステムを設計・実装しました。医療データセット「DiseaseKG」を基盤とし、Neo4jを活用して4万4千のエンティティと31万の関係性を含むドメインナレッジグラフを構築しました。BERTによる固有表現抽出と32Bモデルによる意図認識を組み合わせ、精密なグラフ検索と制御された回答生成を行うことで、医療シナリオにおける大規模モデルのハルシネーション問題を効果的に軽減し、回答の正確性と信頼性を大幅に向上させました。
TKDE論文「グラフ上の自己教師あり学習:コントラスティブ、ジェネラティブ、またはプリディクティブ」のコード
このリポジトリは、「大規模言語モデルの知識蒸留に関する調査」のための論文を収集しています。KDを知識抽出と蒸留アルゴリズムに分解し、LLMのスキルと垂直蒸留を探求します。
Indic Languages向け自然言語ツールキットは、アプリケーション開発者が必要とする可能性のあるさまざまなNLPタスクに対するすぐに使えるサポートを提供することを目指しています。
私が自己学習・公開したAIアップスケーリングモデルのすべてです。600種類以上の異なるアップスケーリングモデルを集めて適用した後、私は独自のモデルを訓練する方法を学びました。これらがその結果です。
英国の小売トランザクションデータセットを使用した合成データ生成デモ。テスト、分析、機械学習のために、プライバシーを保護するリアルな合成データを作成したい小売、eコマース、金融、サプライチェーン分野の専門家に最適です。
よくある質問
GitHubで最も人気のある#data-augmentationリポジトリは何ですか?
GitHubで最も上位にランクインしているオープンソースの#data-augmentationプロジェクトは、6,490個のスターを獲得しているopen-mmlab/mmcvです。OpenMMLab コンピュータビジョン財団
#data-augmentationリポジトリで最もよく使われているプログラミング言語は何ですか?
GitHubで上位にランクインしている#data-augmentationプロジェクトでは、Python, Jupyter Notebook, C++が最も一般的なプログラミング言語です。
#data-augmentationリポジトリのランキングはどのように算出されていますか?
#data-augmentationのタグが付いた46件のアクティブなオープンソースリポジトリ(スター500個以上)を追跡しています。合計スター数は80,183個で、リポジトリあたりの平均は1,743個です。ランキングはGitHub APIからのデータに基づいて毎日更新されます。