#deep-learning Репозитории
Всего репозиториев: 2,273
Ноутбуки Colab, охватывающие инструменты глубокого обучения для предсказания и дизайна биомолекулярных структур
Multi-Scale Neural Audio Codec (SNAC) сжимает аудио в дискретные коды с низкой скоростью передачи данных
NeuPy — это библиотека Python на основе Tensorflow для прототипирования и создания нейронных сетей.
Курированный список статей, диссертаций, наборов данных и инструментов, связанных с применением машинного обучения для программной инженерии
Обратно совместимый набор операций машинного обучения, вдохновленный HLO/MHLO
Код для статьи «Оптимизация выгрузки вычислений для мобильных граничных вычислений с помощью БПЛА: подход глубокого детерминированного градиента политики»
Модульный, открытый и непатентованный набор инструментов для основных роботизированных функций с использованием глубокого обучения
Базовый фреймворк Pytorch для потокового и непотокового автоматического распознавания речи, совместимый как с онлайн, так и с оффлайн распознаванием. В настоящее время он поддерживает модели Conformer, Squeezeformer и DeepSpeech2, а также различные методы аугментации данных.
Intel® AI Reference Models: содержит оптимизации Intel для запуска рабочих нагрузок глубокого обучения на процессорах Intel® Xeon® Scalable и Intel® Data Center GPUs
[ECCV2024 - устный доклад, кандидат на премию за лучшую статью] SEA-RAFT: простой, эффективный, точный RAFT для оптического потока
Лаконичная, но полноценная реализация CLIP с различными экспериментальными улучшениями из недавних научных работ
Единая автоматическая оценка качества речи, музыки и звука.
Model Zoo Hailo включает предварительно обученные модели и полную среду для сборки и оценки
[CVPR 2025 Highlight] Официальная реализация "MangaNinja: Раскрашивание изображений в стиле манги с точным следованием эталону"
Быстрая реализация CUDA (дифференцируемого) мягкого динамического выравнивания времени для PyTorch
Тонкая настройка предобученных сверточных нейронных сетей с помощью PyTorch
Набор роботизированных сред на основе физического движка PyBullet и gymnasium.
Шаблон репозитория для сборки проектов PyTorch из исходного кода на любой версии PyTorch/CUDA/cuDNN.
Давайте обучим визуальные трансформеры (ViT) для CIFAR-10/CIFAR-100/ImageNet
Личные учебные заметки по глубокому обучению и блокноты в стиле учебных пособий
[CVPR'25 Highlight] Вы это видите, вы это получаете: Обучение 3D-творению на основе видео без поз в масштабе
Это коллективный репозиторий для всех достижений, связанных с 3DGS, в области исследований и промышленности
Читаемые, масштабируемые, воспроизводимые базовые модели с именованными тензорами и Jax
Официальная реализация для EMNLP 2024 (основная секция, устный доклад) «AgentReview: исследование академического рецензирования с помощью LLM-агента».
Сквозные рабочие процессы Google Cloud Platform Vertex AI для операций машинного обучения
StoryMaker: К последовательным персонажам в генерации изображений по тексту
BiomedParse: Фундаментальная модель для совместной сегментации, обнаружения и распознавания биомедицинских объектов в девяти модальностях
Курируемый (самый последний) список ресурсов для обучения с зашумленными метками
Куратированный список статей по поиску в дереве Монте-Карло с реализациями.
Изучайте, визуализируйте и вмешивайтесь в любые операции любой нейронной сети. Фиксируйте все активации и градиенты, полный граф вычислений и более 800 полей метаданных, не изменяя код модели. Поддерживает PyTorch, JAX, TensorFlow, MLX, PaddlePaddle и tinygrad. Проверено на более чем 6 400 моделях. Создано для исследователей и их ИИ-агентов.
Little Ball of Fur - Библиотека расширения для выборки графов для NetworKit и NetworkX (CIKM 2020)
Официальный код для "Boundary loss for highly unbalanced segmentation", второе место в конкурсе на лучшую статью на MIDL 2019. Расширенная версия в MedIA, том 67, январь 2021.