#neural-network Репозитории
Всего репозиториев: 213
Алгоритмы машинного обучения, реализованные и выведенные из первых принципов в Jupyter Notebooks и NumPy
Пакет Python для расширения официального PyTorch, который может легко обеспечить производительность на платформе Intel
Официальная реализация модели RAVE: вариационный автокодировщик аудио в реальном времени
Спортивные ставки NBA с использованием машинного обучения
PPL Quantization Tool (PPQ) - это мощный автономный инструмент для квантования нейронных сетей.
Полезная дополнительная функциональность для TensorFlow 2.x, поддерживаемая SIG-addons
Акции в области глубокого обучения и машинного обучения представляют собой перспективные возможности как для долгосрочных, так и для краткосрочных инвесторов и трейдеров.
Основанный на PyTorch фреймворк для квантово-классического моделирования, квантового машинного обучения, квантовых нейронных сетей, параметризованных квантовых схем с поддержкой простого развертывания на реальных квантовых компьютерах.
Библиотека PyTorch и платформа оценки для сквозных исследований сжатия
Библиотека потоковой передачи данных для эффективного обучения нейронных сетей
Библиотека PyTorch, полностью посвященная нейронным дифференциальным уравнениям, неявным моделям и связанным с ними численным методам
Набор инструментов для машинного обучения и глубокого обучения временных рядов
Группа ноутбуков и других файлов, которые могут помочь вам изучить ИИ с нуля.
Презентации и ноутбуки Jupyter для лекций по глубокому обучению на 2-м курсе магистратуры по науке о данных в Institut Polytechnique de Paris
Train to 94% on CIFAR-10 in <6.3 seconds on a single A100. Or ~95.79% in ~110 seconds (or less!)
[ECCV`24&ICLR`25] Серия CityGaussian для высококачественной крупномасштабной реконструкции сцен с использованием Гауссиан
Распределённое обучение и инференс для мультимодального восприятия: общие эмбеддинги для текста, изображений, видео, аудио, кода и графов размерностью от 64 до 1024 🖼️
Решатели Physics-Informed Neural Networks (PINN) для (частичних) дифференциальных уравнений в ускоренной симуляции научного машинного обучения (SciML)
Реализация в Keras статьи "One pixel attack for fooling deep neural networks" с использованием дифференциальной эволюции на Cifar10 и ImageNet
Проект по обработке нейронных сетей и рендерингу для получения представлений об архитектуре и параметрах модели посредством упрощенного представления.
Диаграммы для визуализации архитектуры нейронной сети
:computer: Научись заставлять машины учиться, чтобы не мучиться с их программированием; Окончательный список
Увеличить изображение в 4 раза, одновременно генерируя фотореалистичные детали.
Чистая реализация на PyTorch статьи NVIDIA об мгновенном обучении нейронных графических примитивов: https://nvlabs.github.io/instant-ngp/
Метод в реальном времени, который оценивает 3D позу человека непосредственно в популярном формате Bio Vision Hierarchy (BVH), на основе оценок 2D суставов тела, полученных из монохромных цветных изображений. Наши вклады включают: (a) Новое и компактное представление NSRM позы 2D. (b) Классификатор ориентации человеческого тела и ансамбль ориентационно-настроенных
Код для «HyperNeRF: представление более высокой размерности для топологически изменяющихся полей нейронной радиации».