#deep-learning Репозитории
Всего репозиториев: 2,273
Курируемый список ресурсов по обучению с подкреплением с обратной связью от человека (постоянно обновляется)
Заметки, задания по программированию и викторины по всем курсам специализации Deep Learning от Coursera, предлагаемой deeplearning.ai: (i) Нейронные сети и глубокое обучение; (ii) Улучшение глубоких нейронных сетей: настройка гиперпараметров, регуляризация и оптимизация; (iii) Структурирование проектов машинного обучения; (iv) Сверточные нейронные сети; (v) Модели последовательностей
https://www.youtube.com/channel/UC34rW-HtPJulxr5wp2Xa04w?sub_confirmation=1
Быстрая библиотека для AutoML и тюнинга. Присоединяйтесь к нашему Discord: https://discord.gg/Cppx2vSPVP.
Курируемые учебные пособия и ресурсы по большим языковым моделям, AI-рисования и многому другому.
Инструментарий для обработки речи на базе ИИ и предварительно обученные модели SOTA с открытым исходным кодом, поддерживающие улучшение, разделение речи и извлечение целевого диктора и т. д.
Python-блокноты с примерами ML и глубокого обучения с использованием Azure Machine Learning Python SDK | Microsoft
⚡️SwanLab — открытый, современный инструмент для отслеживания и визуализации обучения ИИ. Поддерживает облачное / самохостинг использование. Интегрирован с PyTorch / Transformers / verl / LLaMA Factory / ms-swift / Ultralytics / MMEngine / Keras и др.
InstantMesh: Эффективная генерация 3D-сетки из одного изображения с использованием больших моделей реконструкции с разреженными видами
В этом репозитории я поделюсь полезными заметками и ссылками о развертывании моделей на основе глубокого обучения в продакшене.
LightLLM — это основанный на Python фреймворк для инференса и обслуживания LLM (больших языковых моделей), известный своим легким дизайном, простой масштабируемостью и высокой скоростью работы.
Коллекция шпаргалок, книг, вопросов и портфолио для подготовки к собеседованиям по DS/ML
Чистая реализация на основе AlphaZero для любой игры в любом фреймворке + руководство + Othello/Гобанг/TicTacToe/Connect4 и многое другое
Этот проект воспроизводит книгу Dive Into Deep Learning (https://d2l.ai/), адаптируя код из MXNet в PyTorch.
RAG (Retrieval Augmented Generation) Framework для создания модульных, открытых приложений для продакшена от TrueFoundry
Станьте экспертом в области искусственного интеллекта, машинного обучения, генеративного ИИ, глубокого обучения, науки о данных, обработки естественного языка, обучения с подкреплением и многого другого с помощью этого полного репозитория от 0 до 100.
Промышленная среда глубокого обучения для разреженных данных высокой размерности
TorchGeo: наборы данных, выборки, преобразования и предварительно обученные модели для геопространственных данных
[ECCV 2022] Это официальная реализация BEVFormer, основанного только на камерах фреймворка для восприятия при автономном вождении, например, для обнаружения 3D-объектов и сегментации семантических карт.
Пакет Python для сегментации геопространственных данных с помощью модели Segment Anything (SAM)
"Build a Large Language Model (From Scratch)" — это электронная книга, которая углубляется в принципы и реализацию больших языковых моделей, подходящая для учащихся, желающих глубоко понять архитектуру, процесс обучения и разработку приложений таких больших моделей, как GPT. Чтобы больше китайских читателей могли получить доступ к этому чрезвычайно ценному учебному пособию, я решил перевести его на китайский язык и поделиться им как открытым исходным кодом через GitHub.
Создайте современную LLM с нуля. Каждая строка с комментарием. Объяснено так, как будто нам пять лет.
Современное пользовательское расписание Anki на основе алгоритма Free Spaced Repetition Scheduler
Библиотека с открытым исходным кодом, содержащая оптимизированные операции глубокого обучения (матричное умножение, свёртка и механизм внимания) для процессоров (x64, AArch64, RISC-V) и графических процессоров Intel. Используется в PyTorch, TensorFlow, OpenVINO и ONNX Runtime.
FEDML – Единая и масштабируемая ML-библиотека для крупномасштабного распределенного обучения, обслуживания моделей и федеративного обучения. FEDML Launch, кросс-облачный планировщик, позволяет запускать любые ИИ-задания в любом облаке GPU или локальном кластере. TensorOpera AI (https://TensorOpera.ai), построенная на основе этой библиотеки, — это ваша платформа генеративного ИИ в больших масштабах.
Deepchecks: Тесты для непрерывной валидации ML-моделей и данных. Deepchecks — это комплексное решение с открытым исходным кодом для всех ваших потребностей в валидации ИИ и ML, позволяющее тщательно тестировать ваши данные и модели от исследования до продакшена.
Фреймворк с открытым исходным кодом для обучения больших мультимодальных моделей.
TimeGPT-2.1: предварительно обученная фундаментальная модель временных рядов, готовая к использованию в промышленной эксплуатации, для прогнозирования и обнаружения аномалий. Генеративный предварительно обученный трансформер для временных рядов, обученный на более чем 100 млрд точек данных. Всего несколько строк кода позволяют выполнять точные прогнозы в различных областях, включая розничную торговлю, электроэнергетику, финансы и IoT 🚀.
Synapsa Commons: бесплатные практические курсы по ИИ, которые можно запускать где угодно (Colab, Kaggle, Binder, Codespaces, Jupyter). Доказательства соответствия Закону ЕС об ИИ, валидация моделей, прогнозное техническое обслуживание, извлечение данных из документов, поиск и RAG, ИИ-агенты и MCP, а также смоделированный гуманоид. Каждый урок проверяется автоматически. От команды, создающей Synapsa.