#lstm リポジトリ
#lstmのタグが付いた、GitHub上の36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246,923個で、プロジェクトあたりの平均は6,858個です。このトピックをリードしているのは、77,607個のスターを獲得しているtesseract-ocr/tesseractです。
リポジトリ合計36件
RWKV(RwaKuvと発音)は、GPTトランスフォーマーのように直接トレーニングできる(並列化可能)優れたLLMパフォーマンスを持つRNNです。私たちはRWKV-7 "Goose"にいます。したがって、RNNとトランスフォーマーの最高の機能を組み合わせています。優れたパフォーマンス、線形時間、一定のスペース(kvキャッシュなし)、高速トレーニング、無限のctx_len、無料の文埋め込みです。
PyTorch と TorchText を使用した、いくつかのシーケンストゥシーケンス (seq2seq) モデルの実装に関するチュートリアル。
このノートブックでは、株価の変動を予測するための完全なプロセスを作成します。ついてきてください。そうすれば、かなり良い結果が得られるでしょう。そのために、生成的敵対ネットワーク(GAN)を使用します。LSTM(リカレントニューラルネットワークの一種)を生成器として、畳み込みニューラルネットワーク(CNN)を識別器として使用します。時系列データを予測しようとしているため、LSTMを使用するのは当然です。なぜGANを使用し、特にCNNを識別器として使用するのか?それは良い q
中国古典詩自動詩作成ロボット、x炸天、tensorflow1.10 apiベース、積極的にメンテナンス・アップグレード中、すぐにスター、更新を維持!
PyTorch を使用した Machine Learning & Deep Learning で実世界の問題を解決する Jupyter Notebook チュートリアル。トピック:Detectron 2 を使用した顔検出、LSTM Autoencoders を使用した時系列異常検出、YOLO v5 を使用した物体検出、最初の Neural Network の構築、Coronavirus 日次ケースの時系列予測、BER を使用した感情分析
私がお気に入りのディープラーニング・リソースの粗いリストで、トピックを再訪したり参照したりするのに便利です。そこにリストされたすべての内容を慎重に通りました。 - Guillaume Chevalier
:art: 数学式認識強化版:中英手書き印刷式、初級記号推論対応(データ構造は LaTeX 抽象構文木ベース)Math Formula OCR Pro、手書き、中国混在式および簡単な記号推論をサポート (LaTeX AST ベース)。
多変量時系列データにおける異常検出にLSTMを使用するためのフレームワーク。Mars Science LaboratoryおよびSMAPミッションからの宇宙船異常データと実験を含みます。
ONNXファイルをLiteRT/TFLite/TensorFlow、PyTorchネイティブコード(nn.Module)、TorchScript(.pt)、state_dict(.pt)、Exported Program(.pt2)、Dynamo ONNXに変換するためのツールです。また、LiteRTからPyTorchへの直接変換もサポートしています。
異常検出手法のコレクション(iid/ポイントベース、グラフおよび時系列)で、異常検出/発見のためのアクティブ・ラーニング、ベイズルールマイニング、多様性/説明/解釈可能性のための記述を含む。アンサンブルおよびツリーベースの検出器にラベルフィードバックを組み込む分析。Graph Convolutional Network を用いた敵対的攻撃を含む。
ツイートの機械学習と感情分析に基づく株価予測Webアプリ(APIキーはコードに含まれています)。WebアプリのフロントエンドはFlaskとWordpressに基づいています。このアプリは、ユーザーが入力したNASDAQまたはNSEの任意の銘柄について、今後7日間の株価を予測します。予測は、ARIMA、LSTM、線形回帰の3つのアルゴリズムを使用して行われます。Webアプリは、今後7日間の予測価格とツイートの感情分析を組み合わせて推奨を提供します。
PythonとKerasを使用したLSTM再帰ニューラルネットワークによる複数多変量時系列予測の例。
時系列予測のためのTensorFlow LSTM(長期短期記憶)ニューラルネットワークを用いた株価予測
Kaggleのサンフランシスコ犯罪説明を39クラスに分類します。Tensorflow上でCNN、RNN(GRUおよびLSTM)、ワードエンベディングを使用してモデルを構築します。
よくある質問
GitHubで最も人気のある#lstm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#lstmプロジェクトは、77,607個のスターを獲得しているtesseract-ocr/tesseractです。TesseractオープンソースOCRエンジン(メインリポジトリ)
#lstm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#lstmプロジェクトでは、Python, Jupyter Notebook, JavaScript, C++が最も一般的なプログラミング言語です。
#lstm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?
#lstmのタグが付いた36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246,923個で、リポジトリあたりの平均は6,858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。