#neural-network Repositórios
213 repositórios no total
Algoritmos de ML implementados e derivados a partir de primeiros princípios em Jupyter Notebooks e NumPy
Um pacote Python para estender o PyTorch oficial que pode facilmente obter desempenho na plataforma Intel
Este é o código para Campos de Radiância Neural Deformáveis, também conhecido como Nerfies.
Biblioteca autossuficiente de Machine Learning e Processamento de Linguagem Natural em Go
Implementação oficial do modelo RAVE: um Realtime Audio Variational autoEncoder
Apostas esportivas da NBA usando aprendizado de máquina
PPL Quantization Tool (PPQ) é uma poderosa ferramenta de quantização de rede neural offline.
Repositório oficial no GitHub para a Biblioteca de Redes Neurais Artificiais Rápidas (FANN)
As ações de Deep Learning e Machine Learning representam oportunidades promissoras tanto para investidores de longo prazo quanto para traders de curto prazo.
Uma estrutura baseada em PyTorch para Simulação Quântica Clássica, Aprendizado de Máquina Quântico, Redes Neurais Quânticas, Circuitos Quânticos Parametrizados com suporte para fácil implementação em computadores quânticos reais.
Uma biblioteca e plataforma de avaliação PyTorch para pesquisa de compressão de ponta a ponta
Uma Biblioteca de Streaming de Dados para Treinamento Eficiente de Redes Neurais
Uma biblioteca PyTorch inteiramente dedicada a equações diferenciais neurais, modelos implícitos e métodos numéricos relacionados
Um toolkit para aprendizado de máquina e aprendizado profundo de séries temporais
Um grupo de notebooks e outros arquivos que podem ajudá-lo a aprender IA do zero.
Slides e notebooks Jupyter para as aulas de Deep Learning do Mestrado de 2º ano em Ciência de Dados do Institut Polytechnique de Paris
Treinar para 94% no CIFAR-10 em <6,3 segundos em um único A100. Ou ~95,79% em ~110 segundos (ou menos!)
[ECCV`24&ICLR`25] Série CityGaussian para Reconstrução de Cenários em Grande Escala e de Alta Qualidade com Gaussianas
Treinamento e inferência distribuídos para percepção multimodal: embeddings compartilhados para texto, imagens, vídeo, áudio, código e grafos, de 64 a 1.024 dimensões 🖼️
Resolvedores de Equações Diferenciais (Parciais) por Redes Neurais Informadas pela Física (PINN) para simulação acelerada de Machine Learning Científico (SciML)
Implementação Keras de "One pixel attack for fooling deep neural networks" usando evolução diferencial em Cifar10 e ImageNet
Um projeto para processamento de redes neurais e renderização para obter insights sobre a arquitetura e parâmetros de um modelo através de uma representação descomplicada.
Diagramas para visualizar a arquitetura da rede neural
:computer: Aprenda a fazer as máquinas aprenderem para que você não precise se esforçar para programá-las; A lista definitiva
Aumente a escala de uma imagem em um fator de 4, gerando detalhes fotorrealistas.
Implementação em PyTorch puro do artigo da NVIDIA sobre Treinamento Instantâneo de primitivas gráficas neurais: https://nvlabs.github.io/instant-ngp/
Um método em tempo real que estima a pose humana 3D diretamente no popular formato Bio Vision Hierarchy (BVH), dado estimativas das articulações corporais 2D originadas de imagens coloridas monoculares. Nossas contribuições incluem: (a) Uma representação NSRM de pose 2D nova e compacta. (b) Um classificador de orientação do corpo humano e um ensemble de orientações ajustadas
Código para "HyperNeRF: Uma Representação de Dimensão Superior para Campos de Radiância Neurais Topologicamente Variáveis".