#data-augmentation 저장소
#data-augmentation 태그가 지정된 GitHub의 활성 오픈 소스 저장소 46개를 확인해 보세요. 총 80,183개의 스타를 획득했으며 프로젝트당 평균 1,743개입니다. 이 주제를 이끄는 저장소는 6,490개의 스타를 받은 open-mmlab/mmcv입니다.
저장소 총 46개
TextAttack 🐙 는 NLP에서 적대적 공격, 데이터 증강 및 모델 훈련을 위한 Python 프레임워크입니다 https://textattack.readthedocs.io/en/master/
오디오 데이터 증강을 위한 파이썬 라이브러리입니다. 실험실뿐만 아니라 실제 세계에서도 오디오 ML 모델이 잘 작동하도록 만드는 데 유용합니다.
fastdup는 이미지 및 비디오 데이터 세트에서 귀중한 통찰력을 신속하게 생성하도록 설계된 강력하고 무료인 도구입니다. 이는 이미지와 레이블의 품질을 모두 향상시키는 동시에 데이터 운영 비용을 크게 절감하며, 탁월한 확장성을 제공합니다.
유용한 데이터 증강 자원 목록. 여기에서 흔하지 않은 기술, 라이브러리, GitHub 저장소 링크, 논문 등을 찾을 수 있습니다.
본 프로젝트는 지식 그래프 RAG와 거대 언어 모델을 기반으로 한 의료 지능형 질의응답 시스템을 설계 및 구현하였습니다. DiseaseKG 의료 데이터셋을 기반으로 Neo4j를 활용하여 4만 4천 개의 엔티티와 31만 개의 관계를 포함하는 도메인 지식 그래프를 구축하였습니다. BERT 기반의 개체명 인식과 32B 모델의 의도 인식을 결합하여, 정밀한 그래프 검색과 제어된 답변 생성을 통해 의료 환경에서 거대 모델의 환각 문제를 효과적으로 완화하고 답변의 정확성과 신뢰성을 크게 향상시켰습니다.
이 리포지토리는 "A Survey on Knowledge Distillation of Large Language Models"에 대한 논문을 수집합니다. KD를 지식 추출 및 증류 알고리즘으로 분류하고 LLM의 기술 및 수직 증류를 탐구합니다.
인디언 언어용 자연어 처리 툴킷은 애플리케이션 개발자가 필요로 할 수 있는 다양한 NLP 작업에 대한 즉시 사용 가능 지원을 제공하는 것을 목표로 합니다.
제가 자체적으로 학습 및 출시한 모든 AI 업스케일링 모델입니다. 600개 이상의 다양한 업스케일링 모델을 수집하고 적용한 후, 저는 저만의 모델을 훈련하는 방법을 배웠고, 이것이 그 결과입니다.
영국 소매 거래 데이터 세트를 사용한 합성 데이터 생성 데모. 테스트, 분석 및 머신 러닝을 위해 개인 정보를 보호하는 사실적인 합성 데이터를 생성하려는 소매, 전자 상거래, 금융 및 공급망 분야의 전문가에게 이상적입니다.
자주 묻는 질문
GitHub에서 가장 인기 있는 #data-augmentation 저장소는 무엇인가요?
GitHub에서 가장 높은 순위의 오픈 소스 #data-augmentation 프로젝트는 6,490개의 스타를 받은 open-mmlab/mmcv입니다. OpenMMLab 컴퓨터 비전 재단
#data-augmentation 저장소에서 가장 많이 사용되는 프로그래밍 언어는 무엇인가요?
GitHub에서 순위가 가장 높은 #data-augmentation 프로젝트 중 가장 일반적으로 사용되는 프로그래밍 언어는 Python, Jupyter Notebook, C++입니다.
#data-augmentation 저장소 순위는 어떻게 계산되나요?
#data-augmentation 태그가 지정된 활성 오픈 소스 저장소(46개, 스타 500개 이상)를 추적하고 있습니다. 총 스타 수는 80,183개이며 저장소당 평균 1,743개입니다. 순위는 GitHub API를 통해 매일 업데이트됩니다.