#neural-network Repositórios
213 repositórios no total
MACE é um framework de inferência de aprendizado profundo otimizado para plataformas de computação heterogênea móvel.
Biblioteca de alto nível para ajudar no treinamento e avaliação de redes neurais em PyTorch de forma flexível e transparente.
A bíblia definitiva para iniciantes em IA, sem obscuridades ou elitismo, fácil de dominar para estudantes e engenheiros. Abrange desde redes neurais a grandes modelos, design de alto nível a princípios microscópicos, implementação de engenharia a fundamentos algorítmicos. Após concluir, você entenderá perfeitamente por que a previsão do próximo token, uma capacidade aparentemente insignificante, pode mudar o mundo, e descobrirá que a IA não é tão misteriosa ou inalcançável quanto se imagina. Let's just beat it!
[ICCV 2019] Estimativa de profundidade monocular a partir de uma única imagem
Uma biblioteca para aprendizado de máquina científico e aprendizado informado pela física
Anotações, tarefas de programação e questionários de todos os cursos da especialização Deep Learning da Coursera oferecida pela deeplearning.ai: (i) Redes Neurais e Aprendizagem Profunda; (ii) Melhorando Redes Neurais Profundas: Ajuste de Hiperparâmetros, Regularização e Otimização; (iii) Estruturação de Projetos de Aprendizado de Máquina; (iv) Redes Neurais Convolucionais; (v) Modelos de Sequência
Implementações em Python simples de algoritmos básicos de aprendizado de máquina
Uma implementação limpa baseada no AlphaZero para qualquer jogo em qualquer framework + tutorial + Othello/Gobang/TicTacToe/Connect4 e mais
Facilitar a criação, comparação e compartilhamento de modelos de correspondência profunda de texto.
PennyLane é uma plataforma de software quântico de código aberto para computação quântica, aprendizagem de máquina quântica e química quântica. Crie algoritmos quânticos significativos, da inspiração à implementação.
Este repositório é uma coleção curada de projetos práticos de ciência de dados feitos sob medida para iniciantes. Seja você um iniciante na jornada de ciência de dados ou esteja buscando fortalecer suas habilidades, esses projetos oferecem uma maneira prática e interativa de aplicar seu conhecimento.
Pacote Python para AutoML em Dados Tabulares com Engenharia de Atributos, Ajuste de Hiperparâmetros, Explicações e Documentação Automática
ManimML é um projeto focado em fornecer animações e visualizações de conceitos comuns de aprendizado de máquina com a Manim Community Library.
Este repositório foi criado para ajudar iniciantes em machine learning ou aqueles que estão se preparando para um estudo em grupo. (This repository is intented for helping whom are interested in machine learning study)
[CVPR 2024] 4D Splatting Gaussiano para Renderização de Cenas Dinâmicas em Tempo Real
A Compute Library é um conjunto de funções de visão computacional e aprendizado de máquina otimizadas para CPUs e GPUs Arm usando tecnologias SIMD.
Links de recursos cuidadosamente selecionados para ciência de dados em um só lugar
Inferência de LLM distribuída. Conecte dispositivos domésticos em um cluster poderoso para acelerar a inferência de LLM. Mais dispositivos significam inferência mais rápida.
uma ferramenta de aprendizado de máquina encantadora que permite treinar, testar e usar modelos sem escrever código
Artigos de pesquisa sobre Aprendizado Profundo (Deep Learning) e aprendizado por reforço profundo (deep reinforcement learning), e alguns códigos
Roadmap de IA: Livro de desenvolvimento (roadmap) sobre Aprendizado de Máquina (Machine Learning), Aprendizado Profundo (Deep Learning), Redes Adversariais Generativas (GAN), Redes Neurais de Grafos (GNN), PLN e Big Data, acompanhado de vasta documentação de código-fonte (python, pytorch) para ajudar a assimilar os conceitos básicos, superar entrevistas e fazer a transição de novato para engenheiro qualificado. A parte de aprendizado profundo inclui artigos com código-fonte oficial do TensorFlow e Caffe, e a seção de aplicações contém algoritmos de recomendação e grafos de conhecimento.
Aplicativo/extensão de navegador de tradução de quadrinhos e mangás com IA para traduzir automaticamente quadrinhos, mangás, manhwas, BDs, fumetti e mais em vários idiomas e formatos (imagens, PDF, EPUB, CBR, CBZ, etc.).
Precisão Média - Este código avalia o desempenho da sua rede neural para reconhecimento de objetos.
Minkowski Engine é uma biblioteca de rede neural de autodiferenciação para tensores esparsos de alta dimensão
Uma plataforma de aprendizado em circuito fechado de visão computacional onde o código pode ser executado interativamente online. Livro eletrônico em chinês sobre o ciclo de aprendizado de 'Visualização Computacional em Ação: Algoritmos e Aplicações', código-fonte, comunidade de intercâmbio com leitores (em constante atualização ...) 📘 Livro eletrônico online https://charmve.github.io/computer-vision-in-action/ 👇 Página inicial do projeto
🚀 Biblioteca eficiente de coleções de algoritmos de busca aproximada do vizinho mais próximo, escrita em Rust 🦀.
Operadores de inferência de rede neural de ponto flutuante de alta eficiência para dispositivos móveis, servidores e Web
A coleção de modelos de IA pré-treinados e de última geração para o ailia SDK
Algoritmos de ML 2.000x mais rápidos, 50% menos uso de memória, funciona em todo hardware - novo e antigo.
Objectron é um conjunto de dados de clipes de vídeo curtos e centrados em objetos. Além disso, os vídeos também contêm metadados de sessão AR, incluindo poses da câmera, nuvens de pontos esparsas e planos. Em cada vídeo, a câmera se move ao redor e acima do objeto e o captura de diferentes ângulos. Cada objeto é anotado com uma caixa delimitadora 3D. A caixa delimitadora 3D descreve a posição, orientação e dimensões do objeto. O conjunto de dados contém cerca de 15 mil clipes de vídeo anotados e 4 milhões de imagens anotadas nas seguintes categorias.
Biblioteca de processamento de imagens e aprendizado de máquina em C++ com uso de SIMD: SSE, AVX, AVX-512, AMX para x86/x64, NEON, SVE para ARM, HVX para Hexagon
Coleção de artigos e projetos de código aberto do ECCV 2024, e também damos as boas-vindas a todos os especialistas para que enviem issues e compartilhem artigos e projetos do ECCV 2024
🎙Reconhecimento de fala usando o framework de deep learning tensorflow, redes neurais sequence-to-sequence