#tensorflow Repositórios
454 repositórios no total
GPU-Jupyter: Seu JupyterLab acelerado por GPU com uma rica pilha de ferramentas de ciência de dados, TensorFlow e PyTorch para seus experimentos reprodutíveis de aprendizado profundo.
Artigos altamente citados/de conferências importantes sobre a interpretabilidade de modelos de redes neurais em aprendizado profundo nos últimos anos (com código incluído)
A implementação em Tensorflow e Keras dos modelos U-net, V-net, U-net++, UNET 3+, Attention U-net, R2U-net, ResUnet-a, U^2-Net, TransUNET e Swin-UNET, com backbones treinados no ImageNet opcionais.
Serviço de implantação genérico e fácil de usar para modelos de machine learning
A implementação de ANPR / ALPR mais rápida do mundo para CPUs, GPUs, VPUs e NPUs usando Transformers (ONNX, TensorFlow Lite, TensorRT, Hailo, OpenVINO, RKNN2...). Compatível com vários conjuntos de caracteres (latino, coreano e chinês), sistemas operacionais (Jetson, Android, Raspberry Pi, Linux e Windows) e arquiteturas (ARM, x86).
Extensões de sistema de arquivos, de streaming e de dataset mantidas pelo SIG-IO do TensorFlow
NeuPy é uma biblioteca Python baseada em Tensorflow para prototipagem e construção de redes neurais
Código para o artigo "Otimização do Descarregamento de Computação para Computação de Borda Móvel Assistida por UAV: Uma Abordagem de Gradiente de Política Determinística Profunda"
Revisitando Modelos Pré-treinados para Processamento de Linguagem Natural em Chinês (MacBERT)
Modelos de Referência Intel® AI: contém otimizações Intel para executar cargas de trabalho de aprendizado profundo em processadores Intel® Xeon® Scalable e GPUs Intel® para Data Center
Inspecione, visualize e intervenha em qualquer operação de qualquer rede neural. Capture todas as ativações e gradientes, o grafo computacional completo e mais de 800 campos de metadados, sem alterar o código do modelo. Compatível com PyTorch, JAX, TensorFlow, MLX, PaddlePaddle e tinygrad. Validado em mais de 6.400 modelos. Desenvolvido para pesquisadores e seus agentes de IA.
Resumo de código de aprendizado de JavaScript, recursos avançados, estruturas de dados, padrões de projeto, typescript, vue, angular, react, node, webpack, weex, mini-programas, tensorflow..., JavaScript é a melhor linguagem do mundo!
Um framework ML sem dependências em C com uma API Python moderna para controle total sobre execução e memória.
Um Roteiro Completo de ML (Aprendizado de Máquina) Full Stack envolve aprender as habilidades e tecnologias necessárias para se tornar proficiente em todos os aspectos do aprendizado de máquina, incluindo coleta e pré-processamento de dados, desenvolvimento, implantação e manutenção de modelos.
Um Modelo Rápido de Deep Learning para Aumentar a Resolução de Vídeos de Baixa Resolução para Alta Resolução a 30fps
Deep Learning on Flink visa integrar Flink e frameworks de deep learning (por exemplo, TensorFlow, PyTorch, etc.) para permitir treinamento e inferência de deep learning distribuídos em um cluster Flink.
Reconhecimento de Fala Offline com OpenAI Whisper e TensorFlow Lite para Android
Uma coleção de algoritmos de ponta para o treinamento, serviço e interpretação de modelos de Floresta de Decisão no Keras.
Fabric for Deep Learning (FfDL, pronunciado 'fiddle') é uma Plataforma de Aprendizado Profundo que oferece TensorFlow, Caffe, PyTorch etc. como Serviço no Kubernetes
[JMLR 2023] Quantus é um kit de ferramentas de IA explicável para a avaliação responsável de explicações de redes neurais
Uma biblioteca para treinar, avaliar, interpretar e colocar em produção modelos de florestas de decisão, como Random Forest e Gradient Boosted Decision Trees.
Suporte de instalação para Frameworks de Deep Learning para o Sistema ArcGIS
Do Grande ao Pequeno: Orientação Planar Local Multiescala para Estimação de Profundidade Monocular
Geradores de dados sintéticos para texto estruturado e não estruturado, com aprendizado diferencialmente privado.
Este repositório inclui tutoriais sobre como usar as APIs de estimativa do TensorFlow para realizar várias tarefas de ML, de maneira sistemática e padronizada
Todos os meus modelos de upscaling de IA auto-treinados e lançados. Depois de reunir e aplicar mais de 600 modelos de upscaling diferentes, aprendi a treinar meus próprios modelos, e estes são os resultados.
Visualkeras é um pacote Python para ajudar a visualizar arquiteturas de redes neurais Keras (seja autônomo ou incluído no TensorFlow). Ele permite um estilo fácil para atender à maioria das necessidades. Este módulo suporta a geração de arquitetura em estilo de camadas, o que é ótimo para CNNs (Redes Neurais Convolucionais), e uma arquitetura em estilo de grafo, que funciona muito bem para a maioria dos modelos, incluindo redes feed-forward simples.
Implementação de algoritmos de Aprendizagem por Reforço Inversa (IRL) em Python/Tensorflow. Deep MaxEnt, MaxEnt, LPIRL
🚀 Velocidade 200x! O aliado de download da era AI | Aceleração total para Docker/PyPI/HuggingFace/CRAN | Fragmentação paralela + cache inteligente, faça os downloads decolarem.
Um framework de código aberto para sistemas de recomendação autossupervisionados.
Utilitários e ajudas adicionais para estender o TensorFlow na construção de sistemas de recomendação, contribuídos e mantidos pelo SIG Recommenders.
Keras beit,caformer,CMT,CoAtNet,convnext,davit,dino,efficientdet,edgenext,efficientformer,efficientnet,eva,fasternet,fastervit,fastvit,flexivit,gcvit,ghostnet,gpvit,hornet,hiera,iformer,inceptionnext,lcnet,levit,maxvit,mobilevit,moganet,nat,nfnets,pvt,swin,tinynet,tinyvit,uniformer,volo,vanillanet,yolor,yolov7,yolov8,yolox,gpt2,llama2, alias kecam