#deep-learning Репозитории
Всего репозиториев: 2,273
Курируемый список управляемых проектов по науке о данных и ИИ для начала создания вашего портфолио
MARS: Ориентированный на экземпляры, модульный и реалистичный симулятор для автономного вождения
[JMLR 2023] Quantus — это инструментарий объяснимого ИИ для ответственной оценки объяснений нейронных сетей
Cosmos-Predict2 — это набор универсальных мировых фундаментальных моделей для Physical AI, которые могут быть доработаны в индивидуальные мировые модели для последующих приложений.
Руководство по машинному обучению. Узнайте все об инструментах, библиотеках, фреймворках машинного обучения, больших языковых моделях (LLM) и моделях обучения.
🙌Подборка из более чем 234 проектов, основанных на машинном обучении, глубоком обучении, компьютерном зрении, обработке естественного языка и многом другом. Покажите свою поддержку, ✨ этот репозиторий.
От большого к малому: Многоуровневое локальное плоское руководство для моноокулярной оценки глубины
Коллекция моделей локализации на основе глубокого обучения
Автоматическое распознавание номерных знаков (ALPR) или автоматическое распознавание автомобильных номеров (ANPR) программное обеспечение, работающее с любой камерой.
Автоматическое ежедневное обновление статей Text-to-speech (TTS) с помощью Github Actions (Обновление каждые 12 часов)
Код PyTorch для статьи Energy-Based Transformers – обобщаемое рассуждение и масштабируемое обучение
Реализация Voicebox, новой передовой сети Text-to-speech от MetaAI, на Pytorch
[ECCV] Swin2SR: SwinV2 Transformer для восстановления и сверхвысокого разрешения сжатых изображений. Семинар "Advances in Image Manipulation (AIM)" ECCV 2022. Попробуйте! Более 3,3 млн запусков https://replicate.com/mv-lab/swin2sr
[ECCV'20] Structured3D: Большой фотореалистичный датасет для структурированного 3D-моделирования
Вариационный автокодировщик и условный вариационный автокодировщик на MNIST в PyTorch
Все мои самостоятельно обученные и выпущенные модели масштабирования (upscaling) ИИ. Собрав и применив более 600 различных моделей масштабирования, я научился обучать свои собственные модели, и вот результаты.
Заметки и материалы по математическому моделированию, машинному обучению/глубокому обучению/большим моделям (постоянно обновляется...).
Официальный репозиторий статьи CVPR 2022: I M Avatar: Implicit Morphable Head Avatars from Videos
Двуязычные (китайский + английский) шпаргалки для собеседований по ML / LLM / diffusion / agent в рамках осеннего набора специалистов по ИИ — созданы с помощью ARIS /interview-cheatsheet и преобразованы посредством /render-html в одnofайловый HTML, который можно читать где угодно, — а также генератор академических домашних страниц с проверкой фактов по CV→DBLP и самостоятельно написанные блоги большого объёма 🌱
[ECCV 2024] Сцена как Гауссианы для семантического предсказания 3D-занятости на основе зрения
Реализация «DreamDiffusion: Генерация высококачественных изображений по сигналам ЭЭГ мозга»
Простой способ отслеживать версию вашей модели Pytorch с экспоненциальным скользящим средним (EMA)
ZeroCostDL4Mic: Бесплатный набор инструментов на базе Google Colab для исследования глубокого обучения в микроскопии
перереализация PWC-Net в PyTorch, соответствующая официальной версии Caffe
[CVPR 2024] Panda-70M: Создание подписей для 70 миллионов видео с использованием нескольких кросс-модальных учителей
Ускорители решений Azure MLOps (v2). Готовые корпоративные шаблоны для развертывания ваших моделей машинного обучения на платформе Azure.
Официальная реализация статьи «Towards Faster and Stabilized GAN Training for High-fidelity Few-shot Image Synthesis» на ICLR 2021
Набор данных Exclusively Dark (ExDARK), который, насколько нам известно, является крупнейшей коллекцией низкоосвещённых изображений, снятых в условиях очень слабого освещения до сумерек (т.е. 10 различных условий) до настоящего времени, с аннотациями уровня классов изображений и объектов.
Реализация статьи «DeepLSD: Обнаружение и уточнение отрезков линий с использованием глубоких градиентов изображений»
Автоматически разделяйте ваши модели PyTorch на несколько GPU для обучения и инференции
Легкий, портативный движок вывода ONNX на чистом C99 для встраиваемых устройств с поддержкой аппаратного ускорения.
CAIRI Toolbox и Benchmark для обучения визуальным представлениям с учителем, частичным обучением и самообучением
Pippo: Высокодетализированные многоракурсные изображения людей по одному изображению
Реализация MEGABYTE, Предсказание миллионнобайтных последовательностей с помощью многомасштабных трансформеров, в Pytorch