#deep-learning Repositórios
Descubra 2,273 repositórios ativos de código aberto no GitHub marcados com #deep-learning, acumulando um total de 10,372,329 estrelas (uma média de 4,563 por projeto). O líder deste tópico é tensorflow/tensorflow, com 201,665 estrelas.
2,273 repositórios no total
🤗 Transformers: a estrutura de definição de modelos para modelos de machine learning de última geração em texto, visão, áudio e modelos multimodais, tanto para inferência quanto para treinamento.
Implementar um LLM semelhante ao ChatGPT em PyTorch do zero, passo a passo
🐙 Guias, artigos, lições, notebooks e recursos para engenharia de prompts, engenharia de contexto, RAG e Agentes de IA.
Aprenda engenharia de IA! Aprenda. Construa. Disponibilize para outras pessoas.
Uma lista selecionada de frameworks, bibliotecas e softwares incríveis de Machine Learning.
“Aprendizagem Profunda Prática” (Dive into Deep Learning): Direcionado a leitores de chinês, executável e passível de discussão. As edições em chinês e inglês são usadas para o ensino em mais de 500 universidades, em mais de 70 países.
🧑🏫 Mais de 60 implementações/tutoriais de artigos de deep learning com notas lado a lado 📝; incluindo transformers (original, xl, switch, feedback, vit, ...), otimizadores (adam, adabelief, sophia, ...), gans (cyclegan, stylegan2, ...), 🎮 aprendizado por reforço (ppo, dqn), capsnet, destilação, ... 🧠
Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — deteção de objetos, segmentação de instâncias, segmentação semântica, classificação de imagens, estimativa de pose e rastreamento de objetos
Clone uma voz em 5 segundos para gerar fala arbitrária em tempo real
Ultralytics YOLOv5 no PyTorch para detecção de objetos, segmentação de instâncias, classificação, treinamento e exportação.
500 Perguntas de Aprendizagem Profunda (Deep Learning) descreve questões populares sobre conhecimento de probabilidade comumente usado, álgebra linear, aprendizado de máquina, aprendizado profundo, visão computacional, etc., em formato de perguntas e respostas, para ajudar a si mesmo e aos leitores necessitados. O livro é dividido em 18 capítulos e tem mais de 500 mil palavras. Devido à limitação de minhas habilidades, agradeço a crítica e correção dos leitores sobre quaisquer imprecisões no livro. ... Continua............ Para quaisquer oportunidades de cooperação, entre em contato com [email protected] Todos os direitos reservados, violação será investigada Tan 2018.06
O repositório fornece código para executar inferência com o SegmentAnything Model (SAM), links para download dos checkpoints do modelo treinado e notebooks de exemplo que mostram como usar o modelo.
Qlib é uma plataforma Quant orientada a IA que visa usar tecnologia de IA para capacitar a Pesquisa Quant, desde a exploração de ideias até a implementação de produções. Qlib suporta diversos paradigmas de modelagem de ML, incluindo aprendizado supervisionado, modelagem de dinâmica de mercado e RL, e agora está equipado com https://github.com/microsoft/RD-Agent para automatizar o processo de P&D.
Aprenda a desenvolver, implantar e iterar em aplicativos de ML de nível de produção.
Ray é um motor de computação de IA. O Ray consiste em um runtime distribuído central e um conjunto de Bibliotecas de IA para acelerar cargas de trabalho de ML.
Crie e compartilhe aplicativos de aprendizado de máquina interessantes, tudo em Python. 🌟 Dê uma estrela para apoiar nosso trabalho!
🐸💬 - um kit de ferramentas de aprendizagem profunda para Text-to-Speech, testado em pesquisa e produção
Tutorial e Exemplos de TensorFlow para Iniciantes (suporta TF v1 e v2)
DeepSpeed é uma biblioteca de otimização de aprendizado profundo que torna o treinamento e a inferência distribuídos fáceis, eficientes e eficazes.
500 Projetos de IA, Machine Learning, Deep Learning, Visão Computacional e PNL com Código
Soluções de ML multiplataforma e personalizáveis para mídia ao vivo e de transmissão.
GFPGAN visa desenvolver algoritmos práticos para restauração de rostos no mundo real.
Um conjunto de ferramentas para desenvolver e comparar algoritmos de aprendizado por reforço.
Detectron2 é uma plataforma para detecção de objetos, segmentação e outras tarefas de reconhecimento visual.
🤗 Diffusers: Modelos de difusão de ponta para geração de imagem, vídeo e áudio em PyTorch.
CLIP (Contrastive Language-Image Pretraining), Prever o trecho de texto mais relevante dada uma imagem
Perguntas Frequentes
Qual é o repositório de #deep-learning mais popular no GitHub?
O projeto de código aberto de #deep-learning mais bem classificado no GitHub é tensorflow/tensorflow, com 201,665 estrelas. Um Framework de Machine Learning Open Source para Todos
Quais linguagens de programação são mais usadas nos repositórios de #deep-learning?
Entre os projetos de #deep-learning mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C++, JavaScript.
Como é calculada a classificação dos repositórios de #deep-learning?
Acompanhamos 2,273 repositórios ativos de código aberto marcados com #deep-learning (com mais de 500 estrelas), totalizando 10,372,329 estrelas e uma média de 4,563 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.