#resnet Репозитории
Откройте для себя 24 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #resnet, с общим числом 94,726 звёзд (в среднем 3,946 на проект). Лидером этой темы является huggingface/pytorch-image-models, набравший 37,299 звёзд.
Всего репозиториев: 24
Самая большая коллекция PyTorch-энкодеров изображений / backbone. Включая скрипты для обучения, оценки, инференса, экспорта и предобученные веса -- ResNet, ResNeXT, EfficientNet, NFNet, Vision Transformer (ViT), MobileNetV4, MobileNet-V3 & V2, RegNet, DPN, CSPNet, Swin Transformer, MaxViT, CoAtNet, ConvNeXt и многое другое
Реализация популярных сетей глубокого обучения с использованием API определения сети TensorRT
Инструменты для проектирования или визуализации архитектуры нейронной сети
Предобученные модели PyTorch для обнаружения лиц (MTCNN) и распознавания лиц (InceptionResnet)
Модели сегментации с предобученными backbone. Keras и TensorFlow Keras.
Практика на cifar100(ResNet, DenseNet, VGG, GoogleNet, InceptionV3, InceptionV4, Inception-ResNetv2, Xception, Resnet In Resnet, ResNext,ShuffleNet, ShuffleNetv2, MobileNet, MobileNetv2, SqueezeNet, NasNet, Residual Attention Network, SENet, WideResNet)
Отличные проекты для ярмарок вакансий, осеннего и весеннего набора, стажировок! Пошаговое руководство по созданию высокопроизводительной библиотеки для инференса глубокого обучения, поддерживающей инференс больших моделей, таких как Llama2, Unet, YoloV5, Resnet и других. Реализуйте высокопроизводительную библиотеку для инференса глубокого обучения шаг за шагом.
Модель DeepLab v3+ в PyTorch. Поддерживает различные backbone.
Интеграция моделей глубокого обучения для классификации изображений | Проект изучения/сравнения/магической модификации основы
Платформа глубокого обучения на основе PyTorch для мультимодальной 2D/3D сегментации медицинских изображений
Инструментарий для проверки, распознавания и сегментации речи говорящего, ориентированный на исследования и производство
Правильная реализация ResNet-s для CIFAR10/100 в PyTorch, соответствующая описанию оригинальной статьи.
Библиотека глубокого обучения для классификации задач (сигналов) ЭЭГ, основанная на TensorFlow.
Обнаружение 21 ключевой точки руки, двумерная поза жеста руки, распознавание жестов, pytorch, handpose
Adan: Адаптивный алгоритм импульса Нестерова для более быстрой оптимизации глубоких моделей
Более читаемый и гибкий Yolov5 с дополнительными бэкбонами (gcn, resnet, shufflenet, moblienet, efficientnet, hrnet, swin-transformer и т. д.) и (cbam, dcn и так далее), а также tensorrt
Извлекайте видеопризнаки из необработанных видео с помощью нескольких графических процессоров. Мы поддерживаем потоковые кадры RAFT, а также модели S3D, I3D, R(2+1)D, VGGish, CLIP и TIMM.
Самомаркировка через одновременное кластерирование и обучение представлениям. (ICLR 2020)
Код для статьи в Nature Scientific Reports «Pathologist-level classification of histologic patterns on resected lung adenocarcinoma slides with deep neural networks». Фреймворк с滑动 окном для классификации изображений целых слайдов высокого разрешения, часто микроскопических или гистопатологических изображений.
Часто задаваемые вопросы
Какой репозиторий по теме #resnet наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #resnet на GitHub — huggingface/pytorch-image-models, набравший 37,299 звёзд. Самая большая коллекция PyTorch-энкодеров изображений / backbone. Включая скрипты для обучения, оценки, инференса, экспорта и предобученные веса -- ResNet, ResNeXT, EfficientNet, NFNet, Vision Transformer (ViT), MobileNetV4, MobileNet-V3 & V2, RegNet, DPN, CSPNet, Swin Transformer, MaxViT, CoAtNet, ConvNeXt и многое другое
Какие языки программирования чаще всего используются в репозиториях по теме #resnet?
Среди наиболее высоко оценённых проектов по теме #resnet на GitHub чаще всего используются языки программирования Python, C++.
Как рассчитывается рейтинг репозиториев по теме #resnet?
Мы отслеживаем 24 активных репозиториев с открытым исходным кодом, отмеченных тегом #resnet (500 и более звёзд), с общим числом 94,726 звёзд и в среднем 3,946 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.