#tensorflow Репозитории
Всего репозиториев: 454
GPU-Jupyter: Ваш ускоренный GPU JupyterLab с богатым стеком инструментов для data science, TensorFlow и PyTorch для ваших воспроизводимых экспериментов глубокого обучения.
Недавние высокоцитируемые/ведущие конференции статьи по интерпретируемости моделей нейронных сетей в глубоком обучении (с кодом)
Реализация U-net, V-net, U-net++, UNET 3+, Attention U-net, R2U-net, ResUnet-a, U^2-Net, TransUNET и Swin-UNET на Tensorflow, Keras с опциональными бэкбонами, обученными на ImageNet.
Общий и удобный в использовании сервис обслуживания для моделей машинного обучения
Самая быстрая в мире реализация ANPR / ALPR для CPU, GPU, VPU и NPU на базе Transformers (ONNX, TensorFlow Lite, TensorRT, Hailo, OpenVINO, RKNN2 и др.). Поддерживаются различные наборы символов (латиница, корейский и китайский языки), операционные системы (Jetson, Android, Raspberry Pi, Linux, Windows) и архитектуры (ARM, x86).
Расширения Dataset, потоковой передачи и файловой системы, поддерживаемые TensorFlow SIG-IO
NeuPy — это библиотека Python на основе Tensorflow для прототипирования и создания нейронных сетей.
Код для статьи «Оптимизация выгрузки вычислений для мобильных граничных вычислений с помощью БПЛА: подход глубокого детерминированного градиента политики»
Пересмотр предварительно обученных моделей для китайской обработки естественного языка (MacBERT)
Intel® AI Reference Models: содержит оптимизации Intel для запуска рабочих нагрузок глубокого обучения на процессорах Intel® Xeon® Scalable и Intel® Data Center GPUs
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.
Сводка кода для изучения JavaScript, продвинутые функции, структуры данных, шаблоны проектирования, typescript, vue, angular, react, node, webpack, weex, мини-программы, tensorflow..., JavaScript - лучший язык в мире!
Фреймворк ML без зависимостей на C с современным API Python для полного контроля над выполнением и памятью.
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.
Быстрая модель глубокого обучения для апсемплинга видео низкого разрешения до высокого разрешения на 30 fps
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.
Автономное распознавание речи с помощью OpenAI Whisper и TensorFlow Lite для Android
Коллекция передовых алгоритмов для обучения, обслуживания и интерпретации моделей Decision Forest в Keras.
Fabric for Deep Learning (FfDL, произносится fiddle) — это платформа для глубокого обучения, предлагающая TensorFlow, Caffe, PyTorch и т. д. как сервис на Kubernetes.
[JMLR 2023] Quantus — это инструментарий объяснимого ИИ для ответственной оценки объяснений нейронных сетей
Библиотека для обучения, оценки, интерпретации и внедрения в производство моделей деревьев решений, таких как Random Forest и Gradient Boosted Decision Trees.
Поддержка установки фреймворков глубокого обучения для системы ArcGIS
От большого к малому: Многоуровневое локальное плоское руководство для моноокулярной оценки глубины
Генераторы синтетических данных для структурированного и неструктурированного текста, с дифференциально приватным обучением.
Этот репозиторий включает руководства по использованию API TensorFlow Estimator для выполнения различных задач ML систематическим и стандартизированным способом.
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.
Visualkeras — это пакет Python, который помогает визуализировать архитектуры нейронных сетей Keras (автономные или встроенные в TensorFlow). Он позволяет легко стилизовать их для большинства потребностей. Этот модуль поддерживает генерацию архитектуры в стиле слоев, что отлично подходит для CNN (сверточных нейронных сетей), и архитектуру в стиле графа, которая отлично подходит для большинства моделей, включая обычные прямосвязные сети.
Реализация алгоритмов Inverse Reinforcement Learning (IRL) на Python/TensorFlow. Deep MaxEnt, MaxEnt, LPIRL
🚀 Скорость 200×! Инструмент скачивания эпохи ИИ | Полное ускорение Docker/PyPI/HuggingFace/CRAN | Параллельное разделение + интеллектуальный кэш, пусть скачивание взлетает.
Дополнительные утилиты и вспомогательные средства для расширения TensorFlow при создании рекомендательных систем, разработанные и поддерживаемые SIG Recommenders.
Keras beit,caformer,CMT,CoAtNet,convnext,davit,dino,efficientdet,edgenext,efficientformer,efficientnet,eva,fasternet,fastervit,fastvit,flexivit,gcvit,ghostnet,gpvit,hornet,hiera,iformer,inceptionnext,lcnet,levit,maxvit,mobilevit,moganet,nat,nfnets,pvt,swin,tinynet,tinyvit,uniformer,volo,vanillanet,yolor,yolov7,yolov8,yolox,gpt2,llama2, alias kecam