Jupyter Notebook Репозитории
Всего репозиториев: 1,614
Руководство с решениями упражнений по методам машинного обучения, адрес для онлайн-чтения: https://datawhalechina.github.io/statistical-learning-method-solutions-manual
Этот ресурс поддерживает статьи автора по обработке изображений на Python, опубликованные на CSDN, в основном посвященные реализации алгоритмов обработки изображений, распознавания изображений, классификации изображений и т. д. на Python. Надеемся, что этот ресурс будет вам полезен, и будем вместе усердно работать.
Концептуальное расширение Jupyter, которое преобразует английские запросы в соответствующий код Python
Объясняйте, анализируйте и визуализируйте языковые модели NLP. Ecco создает интерактивные визуализации непосредственно в ноутбуках Jupyter, объясняющие поведение языковых моделей на основе Transformer (таких как GPT2, BERT, RoBERTa, T5 и T0).
Реализация PyTorch для вероятностного моделирования на основе оценок с помощью стохастических дифференциальных уравнений (ICLR 2021, устный доклад)
Вопросы для собеседования на должность алгоритма больших моделей (с ответами): частые вопросы и анализ концепций "Вопросы для собеседования по большим моделям", "Собеседование на должность алгоритма", "Частые вопросы на собеседовании", "Собеседование по алгоритмам больших моделей", "Основы применения больших моделей"
Библиотека Classiq — это крупнейшая коллекция квантовых алгоритмов и приложений. Это лучший способ изучить программное обеспечение для квантовых вычислений. Мы приветствуем вклад сообщества в нашу Библиотеку 🙌
Этот репозиторий демонстрирует подборку проектов машинного обучения, выполненных для понимания и освоения различных концепций машинного обучения. Каждый проект отражает приверженность применению теоретических знаний на практике, демонстрируя владение методами и инструментами машинного обучения.
Чат Харухи Судзумии, ролевой чат-бот с открытым исходным кодом Чэн Ли, Цзян Лэн и другие.
За пределами точности: Поведенческое тестирование NLP-моделей с помощью CheckList
Это корейский учебник, написанный на основе официальной документации LangChain, Cookbook и других практических примеров. С помощью этого учебника вы сможете научиться использовать LangChain проще и эффективнее.
Давайте демократизируем генерацию изображений высокого разрешения! (CVPR 2024)
Официальные примеры Azure Machine Learning, разработанные сообществом и протестированные с помощью GitHub Actions.
Различные типы анализа акций в Excel, Matlab, Power BI, Python, R и Tableau
Автоматический оценщик для языковых моделей, следующих инструкциям. Проверено человеком, высокое качество, дешево и быстро.
Рецепты для уменьшения, оптимизации и настройки передовых моделей компьютерного зрения. 💜
InstantStyle: Бесплатный обед для сохранения стиля при генерации изображений по тексту 🔥
Краткое, дружелюбное для начинающих введение в основные идеи линейной алгебры.
Официальная реализация «Автоматического наведения цепочек размышлений в больших языковых моделях» (следите за обновлениями, скоро будет больше информации)
Approaching (Almost) Any Machine Learning Problem китайская версия, адрес онлайн-документации: https://ytzfhqs.github.io/AAAMLP-CN/
[CVPR 2021] Официальная реализация PyTorch для Transformer Interpretability Beyond Attention Visualization, нового метода визуализации классификаций сетями на основе Трансформеров.
OneDiff: готовая к использованию библиотека ускорения для диффузионных моделей.
Запустите любую модель Llama 2 локально с помощью интерфейса Gradio на GPU или CPU из любого места (Linux/Windows/Mac). Используйте `llama2-wrapper` в качестве вашего локального бэкенда Llama2 для Генеративных Агентов/Приложений.
Публичный репозиторий для специализации DeepLearning.AI MLEP
100 дней инженерии инференса LLM — ежедневные публикации, эксперименты и визуализации
Пожизненные знания программиста! Заметки и учебные пособия. Вступительный экзамен в аспирантуру, трудоустройство, учеба. Раздел языков: Android, C++, Java, JavaScript, Latex, MATLAB, NodeJS, PHP, Python. Раздел технологий: docker, git, Linux, Maven, office, Spark, Spring, SVN. Раздел основ: Теория компиляторов, Операционные системы, Микроконтроллеры, Компьютерные сети, Лабораторные работы по компьютерным сетям, Архитектурные шаблоны, Написание программной документации, Шаблоны проектирования, Структуры данных, Базы данных, Алгоритмы, UML-моделирование, Программирование под Windows. Раздел математики: Теория вероятностей и математическая статистика, Математический анализ, Линейная алгебра, Тензоры. Раздел машинного обучения: Машинное обучение, pytorch, sklearn, TensorFlow
Галерея руководств по OSMnx, примеров использования и демонстраций функций.
Сравнительный анализ передачи знаний в пожизненном робототехническом обучении
Реализация на PyTorch различных методов для непрерывного обучения (XdG, EWC, SI, LwF, FROMP, DGR, BI-R, ER, A-GEM, iCaRL, Generative Classifier) в трех различных сценариях.
Подходит для начинающих и продвинутых игроков среднего уровня, когда система налажена, все зависит от мастерства.
Снижение шума в Python с использованием спектрального гейтинга (речь, биоакустика, аудио, сигналы во временной области)
Комплексное руководство по созданию LLM-приложений на основе RAG для производственной среды.
Несколько графических процессоров NVIDIA или Apple Silicon для инференса больших языковых моделей?
Библиотека Python для интерактивной визуализации тематических моделей. Портирование пакета R LDAvis.