#deep-learning Репозитории
Всего репозиториев: 2,273
Отличные статьи по машинному обучению (глубокому обучению) на динамических (временных) графах (сетях / графах знаний).
Пример предсказания нескольких многомерных временных рядов с использованием рекуррентных нейронных сетей LSTM в Python с Keras.
BiomedGPT: Универсальная основополагающая модель зрения-языка для решения различных биомедицинских задач
Шаблон Cookiecutter для проектов FastAPI с использованием: Machine Learning, uv, GitHub Actions и Pytests
Минималистичная модель Seq2Seq с механизмом внимания для нейронного машинного перевода на PyTorch
(IJCV2024 & ICCV2023) LSKNet: Фундаментальная легкая основа для дистанционного зондирования
【CVPR 2025 Highlight】MonSter: Объединение Monodepth со стереозрением раскрывает мощь
Код для практического обучения без учителя с использованием Python (O'Reilly Media)
Полный стек ML (машинное обучение) Roadmap включает в себя изучение необходимых навыков и технологий для освоения всех аспектов машинного обучения, включая сбор и предварительную обработку данных, разработку моделей, развертывание и обслуживание.
Воспроизведение статьи Янна ЛеКуна 1989 года "Backpropagation Applied to Handwritten Zip Code Recognition" ("Обратное распространение ошибки, примененное к распознаванию рукописных почтовых индексов"), насколько мне известно, самое раннее реальное применение нейронной сети, обученной с помощью обратного распространения ошибки.
Dataset Management Framework, библиотека Python и инструмент CLI для создания, анализа и управления наборами данных компьютерного зрения.
Динамические поля нейронной радиации для монокулярной реконструкции 4D аватара лица
Код для «Adversarial Motion Priors Make Good Substitutes for Complex Reward Functions»
Этот репозиторий содержит большинство реализаций классических алгоритмов глубокого обучения с подкреплением на основе PyTorch, включая - DQN, DDQN, Dueling Network, DDPG, SAC, A2C, PPO, TRPO. (Больше алгоритмов находятся в разработке)
Deep Learning на Flink направлен на интеграцию Flink и фреймворков глубокого обучения (например, TensorFlow, PyTorch и т.д.), чтобы обеспечить распределённое обучение и вывод глубокого обучения на кластере Flink.
[ECCV 2024] InstructIR: Высококачественное восстановление изображений по инструкциям человека https://huggingface.co/spaces/marcosv/InstructIR
Репозиторий для "Distill Any Depth: Distillation Creates a Stronger Monocular Depth Estimator"
LSD (LiDAR SLAM & Detection) — это архитектура восприятия с открытым исходным кодом для автономных транспортных средств/роботов
Статьи, код и наборы данных по глубокому обучению для обнаружения 3D-объектов.
Fabric for Deep Learning (FfDL, произносится fiddle) — это платформа для глубокого обучения, предлагающая TensorFlow, Caffe, PyTorch и т. д. как сервис на Kubernetes.
Прогнозирование цен на акции с использованием нейронной сети TensorFlow LSTM (долгая краткосрочная память) для прогнозирования временных рядов
BlendedMVS: Крупномасштабный датасет для обобщённых сетей стерео с несколькими видами
[NeurlPS2024] Одношаговая эффективная диффузионная сеть для сверхвысокого разрешения реальных изображений
Языковая модель с открытыми весами от Google DeepMind, основанная на Griffin.
[CVPR 2022] Предварительное обучение 3D-трансформеров для облаков точек с помощью маскированного моделирования точек
ML-capsule — это проект для начинающих и опытных энтузиастов в области науки о данных, у которых нет наставника или руководства, но которые хотят изучать машинное обучение. Используя наш репозиторий, они могут изучить ML, DL и многие смежные технологии на примере различных реальных проектов и подготовиться к собеседованиям.
SiLK (Simple Learned Keypoint) — это модель ключевых точек глубокого обучения с самообучением.
OmniVinci — это омнимодальная LLM для совместного понимания зрения, аудио и языка.
Двухэтапное лёгкое и высокопроизводительное распознавание номерных знаков с MTCNN и LPRNet