#deep-learning Репозитории
Всего репозиториев: 2,273
Real-World Masked Face Dataset, Набор данных лиц в масках в реальном мире
Продвинутое глубокое обучение с Keras, опубликованное Packt
Комплексная и своевременная академическая информация по федеративному обучению (статьи, фреймворки, наборы данных, учебные пособия, семинары)
Пакет Python для расширения официального PyTorch, который может легко обеспечить производительность на платформе Intel
Неофициальная реализация Titans, SOTA-памяти для трансформеров, на Pytorch
Автоматический оценщик для языковых моделей, следующих инструкциям. Проверено человеком, высокое качество, дешево и быстро.
[Устный доклад на CVPR'24] Официальный репозиторий Point Transformer V3 (PTv3). Также доступен устанавливаемый через pip пакет PyTorch + Triton с предварительно обученными энкодерами Sonata, Concerto и Utonia.
Глобальные отпечатки зданий, полученные с помощью спутниковых снимков
Выпуск кода для "Обнаружение двадцати тысяч классов с использованием надзора на уровне изображений".
[ICLR 2024] Официальная реализация "TimeMixer: Decomposable Multiscale Mixing for Time Series Forecasting"
Список статей по проектированию белков с использованием глубокого обучения
Курируемый список отличных статей по дистилляции наборов данных и связанным с ними приложениям.
Реализация Make-A-Video, нового генератора текста в видео SOTA от Meta AI, на Pytorch
[CVPR 2021] Официальная реализация PyTorch для Transformer Interpretability Beyond Attention Visualization, нового метода визуализации классификаций сетями на основе Трансформеров.
Универсальное аудио супер-разрешение (любое -> 48 кГц) с AudioSR.
Публичный репозиторий для специализации DeepLearning.AI MLEP
Интеграция моделей глубокого обучения для классификации изображений | Проект изучения/сравнения/магической модификации основы
Реализация GigaGAN, новой SOTA GAN от Adobe. Результат почти десятилетних исследований GAN
DIAMOND (DIffusion As a Model Of eNvironment Dreams) — это агент обучения с подкреплением, обученный в диффузионной мировой модели. NeurIPS 2024 Spotlight.
[ECCV 2022] XMem: Долгосрочная сегментация объектов видео с использованием модели памяти Аткинсона-Шиффрина
Obico — это платформа для умной 3D-печати с открытым исходным кодом, созданная сообществом и используемая makers, энтузиастами и tinkers по всему миру.
3 516 отобранных Figure 1 / тизеров с ICLR, ICML, NeurIPS, CVPR, ACL и AAAI (2023–2026), с бейджами уровней и созданием черновиков иллюстраций на основе поиска в FigureForge
Инструментарий для нейронной иерархической многометочной классификации текстов с открытым исходным кодом
Куратированный список крутых статей, библиотек, датасетов и других ресурсов по Speaker Diarization.
fastdup — это мощный бесплатный инструмент, предназначенный для быстрого получения ценной информации из наборов данных изображений и видео. Он помогает повысить качество как изображений, так и меток, значительно снижая затраты на операции с данными, и все это при непревзойденной масштабируемости.
Хранилище данных ИИ для схем, BLOB-объектов и прогнозов. Используйте его со своими приложениями или интегрируйте встроенный модуль контроля человеком, рабочий процесс обработки данных и каталог пользовательского интерфейса, чтобы получить максимальную пользу от ваших данных ИИ.
Курируемый список статей и ресурсов по обнаружению мошенничества, аномалий и выбросов на основе графов/трансформеров
Простая в использовании и высокопроизводительная структура для развертывания ИИ | An Easy-to-Use and High-Performance AI Deployment Framework
Core ML model zoo для iOS/macOS — модели PyTorch, преобразованные в готовые к использованию .mlpackage, каждая из которых включает скрипт конвертации и пример приложения на SwiftUI. Связанные репозитории охватывают фреймворк Core AI от Apple (iOS/macOS 27) и локальные LLM.
Автоматическое обнаружение быстрых стратегий параллелизации для распределенного обучения глубоких нейронных сетей
Рабочая реализация самообучающегося обучения "Bootstrap Your Own Latent" от Deepmind на Pytorch
Современный аудиокодек с коэффициентом сжатия 90x. Поддерживает моно/стерео аудио с частотой 44,1 кГц, 24 кГц и 16 кГц.
yolov5 обнаружение номерных знаков распознавание номерных знаков распознавание китайских номерных знаков обнаружение поддерживает 12 типов китайских номерных знаков поддерживает двухслойные номерные знаки
Библиотека Petastorm обеспечивает обучение и оценку моделей глубокого обучения на одном компьютере или в распределенной среде из наборов данных в формате Apache Parquet. Она поддерживает ML-фреймворки, такие как Tensorflow, Pytorch и PySpark, и может использоваться из чистого кода Python.