#deeplearning Repositórios
Descubra 79 repositórios ativos de código aberto no GitHub marcados com #deeplearning, acumulando um total de 501,253 estrelas (uma média de 6,344 por projeto). O líder deste tópico é deepfakes/faceswap, com 57,626 estrelas.
79 repositórios no total
VoxCPM2: TTS sem Tokenizador para Geração de Fala Multilíngue, Design de Voz Criativo e Clonagem Fiel à Vida Real
AiLearning: Análise de Dados + Prática de Machine Learning + Álgebra Linear + PyTorch + NLTK + TF2
Visualizador para modelos de redes neurais, aprendizado profundo e aprendizado de máquina
Uma estrutura de IA generativa escalável construída para pesquisadores e desenvolvedores que trabalham com Modelos de Linguagem Grandes (Large Language Models), IA Multimodal e de Fala (Reconhecimento Automático de Fala e Síntese de Fala)
Simulador de código aberto para veículos autônomos, construído sobre Unreal Engine / Unity, da Microsoft AI & Research
tutoriais, artigos e outros recursos de aprendizado de máquina e aprendizado profundo
Framework de treinamento distribuído para TensorFlow, Keras, PyTorch e Apache MXNet.
Livro MIT Deep Learning em formato PDF (completo e partes) de Ian Goodfellow, Yoshua Bengio e Aaron Courville
Conjunto de ferramentas para implantar e treinar modelos de aprendizado profundo usando a JVM. Os destaques incluem importação de modelos para keras, tensorflow e onnx/pytorch, uma biblioteca c++ modular e minúscula para executar código matemático e uma biblioteca matemática baseada em java sobre a biblioteca c++ principal. Inclui também samediff: uma biblioteca semelhante a pytorch/tensorflow para executar aprendizado profundo...
LangGPT: Capacitando todos a se tornarem especialistas em prompts! 🚀 📌 Proponente do Prompt Estruturado (Structured Prompt) 📌 Iniciador do Meta-Prompt (Meta-Prompt) 📌 Paradigma de implementação de prompt mais popular | Linguagem do GPT A estrutura pioneira para design de prompt estruturado e meta-prompt com mais de 10.000 ⭐ | Testado em batalha por milhares de usuários em todo o mundo Criado por 云中江树
Guia do ChatGPT em Chinês 🔥, Guia de Engenharia de Prompts do ChatGPT em Chinês, Guia de Comandos, Guia de Desenvolvimento de Aplicações, Lista de Recursos Selecionados. Use o ChatGPT de forma mais eficaz para turbinar a sua produtividade! 🚀
Framework low-code para construir LLMs personalizados, redes neurais e outros modelos de IA
Uma lista de artigos sobre detecção de objetos usando aprendizado profundo.
Projeto de código aberto em Python: 'A Jornada da Programação Autodidata', um tutorial completo para iniciantes, que aborda: Laboratório de IA, vídeos valiosos, Estruturas de Dados, Guia de Estudo, Machine Learning na Prática, Deep Learning na Prática, Web Scraping, Experiências de Entrevistas em Grandes Empresas, Vida de Programador e Compartilhamento de Recursos.
Tutoriais, trabalhos práticos e competições para cursos relacionados a Deep Learning do MIT.
Materiais de Laboratório para MIT 6.S191: Introdução ao Deep Learning
ClearML - CI/CD Automágico para simplificar sua carga de trabalho de IA. Gerenciamento de Experimentos, Gerenciamento de Dados, Pipeline, Orquestração, Agendamento e Servir em uma única solução MLOps/LLMOps
Gorgonia é uma biblioteca que ajuda a facilitar o aprendizado de máquina em Go.
T81-558: Keras - Aplicações de Redes Neurais Profundas @Washington University in St. Louis
Ferramentas para Projetar ou Visualizar a Arquitetura de Redes Neurais
Este repositório é uma compilação de recursos gratuitos para aprender Ciência de Dados.
O OpenBot utiliza smartphones como cérebros para robôs de baixo custo. Projetamos um pequeno veículo elétrico que custa cerca de US$ 50 e serve como corpo do robô. Nossa pilha de software para smartphones Android suporta cargas de trabalho avançadas de robótica, como seguir pessoas e navegação autônoma em tempo real.
Depuração, monitoramento e visualização para Aprendizado de Máquina e Ciência de Dados com Python
Rede neural profunda para extrair informações inteligentes de documentos de faturas.
Uma referência abrangente para todos os tópicos relacionados ao Processamento de Linguagem Natural
Implementação de "BitNet: Escalando Transformers de 1 bit para Grandes Modelos de Linguagem" em pytorch
Uma lista selecionada de conjuntos de dados de cibersegurança incrivelmente impressionantes
Grafos de redes neurais e métricas de treinamento para PyTorch, Tensorflow e Keras.
Biblioteca autossuficiente de Machine Learning e Processamento de Linguagem Natural em Go
Uma Biblioteca Python para Detecção de Outliers em Grafos (Detecção de Anomalias)
Exemplo de Aprendizado de Máquina TensorFlow para Android (Construindo o TensorFlow para Android)
Uma lista selecionada profissionalmente de incríveis vídeos, tutoriais, livros, trabalhos, teses de doutorado e mestrado, artigos e bibliotecas de código aberto sobre Predição Conforme.
Detecção e reconhecimento de rostos em deep learning, implementado por pytorch. (Detecção e reconhecimento de rostos implementado por pytorch)
Qualcomm® AI Hub Models é a nossa coleção de modelos de aprendizado de máquina de última geração, otimizados para desempenho (latência, memória, etc.) e prontos para serem implementados em dispositivos Qualcomm®.
Uma lista profissional sobre Modelos Grandes (de Linguagem) e Modelos Fundacionais (LLM, LM, FM) para Séries Temporais, Dados Espaço-Temporais e de Eventos.
Perguntas Frequentes
Qual é o repositório de #deeplearning mais popular no GitHub?
O projeto de código aberto de #deeplearning mais bem classificado no GitHub é deepfakes/faceswap, com 57,626 estrelas. Software Deepfake Para Todos
Quais linguagens de programação são mais usadas nos repositórios de #deeplearning?
Entre os projetos de #deeplearning mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, Java, Go.
Como é calculada a classificação dos repositórios de #deeplearning?
Acompanhamos 79 repositórios ativos de código aberto marcados com #deeplearning (com mais de 500 estrelas), totalizando 501,253 estrelas e uma média de 6,344 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.