#deep-learning Репозитории
Всего репозиториев: 2,273
pytorch handbook — это открытая книга, цель которой — помочь друзьям, желающим и использующим PyTorch для разработки и исследований в области глубокого обучения, быстро освоить основы. Все включенные уроки Pytorch прошли тестирование и гарантируют успешный запуск.
Куратированный список отличных библиотек с открытым исходным кодом для развертывания, мониторинга, версионирования и масштабирования вашего машинного обучения
Qwen3-VL — это серия мультимодальных больших языковых моделей, разработанная командой Qwen компании Alibaba Cloud.
Unity Machine Learning Agents Toolkit (ML-Agents) — это проект с открытым исходным кодом, который позволяет использовать игры и симуляции в качестве сред для обучения интеллектуальных агентов с помощью глубокого обучения с подкреплением и обучения методом имитации.
«Нейронные сети и глубокое обучение» Цю Сипэна, второе издание и общеобразовательное издание: электронная книга, содержание по главам, учебные ресурсы и список исправлений.
ARIS ⚔️ (Auto-Research-In-Sleep) — Легковесные навыки только для Markdown для автономных исследований в области ML: циклы обзора кросс-моделей, обнаружение идей и автоматизация экспериментов. Без фреймворка, без привязки — работает с Claude Code, Codex, OpenClaw или любым агентом LLM.
Материалы для курса "Learn PyTorch for Deep Learning: Zero to Mastery".
:book: Курируемый список ресурсов, посвященных Обработке естественного языка (NLP)
Библиотека JavaScript с ускорением WebGL для обучения и развертывания моделей ML.
[🔥обновляется ...] AI Автоматический робот для количественной торговли (полностью локальное развертывание) Платформа для количественных исследований инвестиций на базе ИИ. 📃 онлайн-документация: https://ufund-me.github.io/Qbot ✨ :news: qbot-mini: https://github.com/Charmve/iQuant
🐫 CAMEL: Первый и лучший фреймворк для мультиагентных систем. Нахождение закона масштабирования агентов. https://www.camel-ai.org
Этот проект представляет собой часто встречающиеся на собеседованиях по машинному обучению (Machine Learning), глубокому обучению (Deep Learning) и НЛП пункты знаний и реализации кода, а также является обязательными теоретическими базовыми знаниями для инженера по алгоритмам.
TensorFlow - Куратированный список специализированных ресурсов http://tensorflow.org
уроки, статьи и другие ресурсы по машинному обучению и глубокому обучению
Примеры кода для моей книги "Neural Networks and Deep Learning"
📺 Откройте для себя новейшие курсы по машинному обучению / ИИ на YouTube.
《Курс глубокого обучения Ли Хунъи》(Рекомендовано профессором Ли Хунъи 👍, Apple Books 🍎), Ссылка для скачивания PDF: https://github.com/datawhalechina/leedl-tutorial/releases
Курируемый список курсов, книг, видеолекций и статей по искусственному интеллекту (ИИ).
Обширный список материалов, связанных с PyTorch, на GitHub, таких как различные модели, реализации, вспомогательные библиотеки, учебные пособия и т. д.
OpenAI Baselines: высококачественные реализации алгоритмов обучения с подкреплением
MNN: Сверхбыстрый и легковесный движок вывода, прошедший боевые испытания в Alibaba, обеспечивающий высокопроизводительные LLMs на устройстве и Edge AI.
Нейронная сеть, которая преобразует макет дизайна в статический веб-сайт.
pix2tex: Использование ViT для преобразования изображений уравнений в код LaTeX.
Аннотация изображений с помощью Python. Поддерживает полигоны, прямоугольники, круги, линии, точки и аннотацию с помощью ИИ.
Burn — это тензорная библиотека нового поколения и фреймворк для глубокого обучения, который не идет на компромиссы в вопросах гибкости, эффективности и переносимости.
Легко преобразуйте документы в структурированные данные. Unstructured — это ETL-решение с открытым исходным кодом для преобразования сложных документов в чистые, структурированные форматы для языковых моделей. Посетите наш веб-сайт, чтобы узнать больше о нашем продукте Platform корпоративного уровня для рабочих процессов производственного уровня, секционирования, обогащения, фрагментации и встраивания.
API оффлайн-распознавания речи для Android, iOS, Raspberry Pi и серверов с Python, Java, C# и Node
Машинное обучение, Глубокое обучение, PostgreSQL, Распределенная система, Node.Js, Golang
Этот репозиторий содержит исходный код для статьи First Order Motion Model for Image Animation
RWKV (произносится RwaKuv) — это RNN с отличной производительностью LLM, который также может быть напрямую обучен, как трансформер GPT (параллелизуемый). Мы находимся на RWKV-7 "Goose". Таким образом, он сочетает в себе лучшее от RNN и трансформера — отличная производительность, линейное время, постоянное пространство (без kv-кеша), быстрое обучение, бесконечная длина контекста (ctx_len) и бесплатное встраивание предложений.
Animate Anyone: Последовательный и управляемый синтез изображений в видео для анимации персонажей