#deep-learning Repositórios
2,273 repositórios no total
Este repositório contém o Curso de Aprendizagem por Reforço Profundo (Deep Reinforcement Learning) da Hugging Face.
🌟100+ Mapas Originais de LLM / RL 📚, Uma Grande Contribuição do Autor de "Algoritmos de Modelos Grandes"! 💥 (100+ LLM/RL Algorithm Maps )
MACE é um framework de inferência de aprendizado profundo otimizado para plataformas de computação heterogênea móvel.
Lista de grupos, canais e bots do Telegram // Lista de grupos, canais e bots interessantes do Telegram // Lista de chats para programadores
Uma lista definitiva e abrangente de artigos sobre Vision Transformer/Attention, incluindo artigos, códigos e sites relacionados
Torchreid: Reidentificação de pessoas com aprendizado profundo em PyTorch.
É minha convicção que vocês, estudantes de pós-graduação e candidatos a emprego para quem o livro é primariamente destinado, se beneficiarão com a leitura; contudo, é minha esperança que até mesmo os pesquisadores mais experientes o achem igualmente fascinante.
LightGlue: Correspondência de Características Locais à Velocidade da Luz (ICCV 2023)
Deep Learning Visualization Toolkit (Ferramenta de Visualização de Aprendizado Profundo da 'Fei’e')
Código de implementação oficial do artigo <AnyText: Multilingual Visual Text Generation And Editing>
Densely Connected Convolutional Networks, In CVPR 2017 (Prêmio de Melhor Artigo).
Uma linguagem de programação probabilística no TensorFlow. Modelos generativos profundos, inferência variacional.
Biblioteca de alto nível para ajudar no treinamento e avaliação de redes neurais em PyTorch de forma flexível e transparente.
MegEngine é um framework de aprendizado profundo rápido, escalável, fácil de usar e com suporte a diferenciação automática.
Mineração de dados, visão computacional, processamento de linguagem natural, conhecimento em competições de sistemas de recomendação, código e ideias.
[NeurIPS 2023] Implementação oficial do artigo "Segment Everything Everywhere All at Once"
Prática no cifar100(ResNet, DenseNet, VGG, GoogleNet, InceptionV3, InceptionV4, Inception-ResNetv2, Xception, Resnet In Resnet, ResNext, ShuffleNet, ShuffleNetv2, MobileNet, MobileNetv2, SqueezeNet, NasNet, Residual Attention Network, SENet, WideResNet)
A pilha de software do Google DeepMind para ambientes de simulação baseada em física e aprendizado por reforço, usando MuJoCo.
Guia de Engenharia de Prompt, IA Generativa e LLMs por Learn Prompting | Participe do nosso Discord para a maior comunidade de aprendizado de Engenharia de Prompt
Caixa de Ferramentas OpenMMLab para Detecção, Reconhecimento e Compreensão de Texto
Implementação JAX do modelo Whisper da OpenAI para aceleração de até 70x em TPU.
Um guia para a construção de sistemas práticos de deep learning de nível de produção, a serem implantados em aplicações do mundo real.
TNN: desenvolvido pelo Tencent Youtu Lab e Guangying Lab, uma estrutura uniforme de inferência de aprendizado profundo para dispositivos móveis, desktop e servidor. O TNN se distingue por várias características notáveis, incluindo sua capacidade de plataforma cruzada (cross-platform), alto desempenho, compressão de modelo e poda de código (code pruning). Baseado em ncnn e Rapidnet, o TNN reforça ainda mais o suporte e a otimização de desempenho para dispositivos móveis, e também aproveita as vantagens de boa extensibilidade e alto desempenho de esforços de código aberto existentes.
Implementação Plug and Play da Árvore de Pensamentos: Resolução Deliberada de Problemas com Grandes Modelos de Linguagem que Eleva o Raciocínio do Modelo em pelo menos 70%
"Grandes Modelos de Linguagem" por Zhao Xin, Li Junyi, Zhou Kun, Tang Tianyi, Wen Jirong
[ICCV 2019] Estimativa de profundidade monocular a partir de uma única imagem
Uma biblioteca para aprendizado de máquina científico e aprendizado informado pela física
[EMNLP 2022] Uma Ferramenta Aberta para Extração e Construção de Grafos de Conhecimento
Transforme facilmente grandes conjuntos de URLs de imagens em um dataset de imagens. Pode baixar, redimensionar e empacotar 100 milhões de URLs em 20h em uma única máquina.
O projeto é uma implementação oficial do nosso artigo CVPR2019 "Deep High-Resolution Representation Learning for Human Pose Estimation"