#lstm 仓库
探索 36 个标记为 #lstm 的活跃开源 GitHub 仓库,它们累计获得 246,923 个 Star(平均每个项目 6,858 个)。该主题的领先项目是 tesseract-ocr/tesseract,拥有 77,607 个 Star。
共 36 个仓库
RWKV(发音为 RwaKuv)是一种具有出色 LLM 性能的 RNN,也可以像 GPT transformer 一样直接训练(可并行化)。我们目前使用的是 RWKV-7 "Goose"。因此,它结合了 RNN 和 transformer 的优点——出色的性能、线性时间、恒定空间(无 kv-缓存)、快速训练、无限上下文长度以及免费的句子嵌入。
在这个笔记本中,我将创建一个完整的预测股票价格变动过程。跟随我,我们将取得一些相当好的结果。为此,我们将使用生成对抗网络(GAN),其中LSTM(一种循环神经网络)作为生成器,以及卷积神经网络(CNN)作为判别器。我们使用LSTM的原因很明显,因为我们试图预测时间序列数据。为什么我们使用GAN,特别是CNN作为判别器?这是一 个好的 q
使用 PyTorch 进行机器学习和深度学习解决现实世界问题的 Jupyter Notebook 教程。主题:使用 Detectron 2 进行人脸检测,使用 LSTM Autoencoders 进行时间序列异常检测,使用 YOLO v5 进行对象检测,构建您的第一个 Neural Network,针对冠状病毒每日病例的时间序列预测,使用 BER 进行情感分析
我最喜欢的深度学习资源的粗略列表,有助于重温主题或作为参考。我已经仔细阅读了那里列出的所有内容。 - Guillaume Chevalier
:art: 数学公式识别增强版:中英文手写印刷公式、支持初级符号推导(数据结构基于 LaTeX 抽象语法树)Math Formula OCR Pro,支持手写、中英混合公式以及简单符号推理(基于 LaTeX AST)。
一个将 ONNX 文件转换为 LiteRT/TFLite/TensorFlow、PyTorch 原生代码 (nn.Module)、TorchScript (.pt)、state_dict (.pt)、Exported Program (.pt2) 和 Dynamo ONNX 的工具。它还支持从 LiteRT 直接转换为 PyTorch。
一系列异常检测方法(iid/基于点的、图和时间序列)的集合,包括用于异常检测/发现的主动学习、贝叶斯规则挖掘、多样性/解释/可解释性的描述。将标签反馈与集成和基于树的检测器结合的分析。包括使用图卷积网络的对抗攻击。
基于机器学习和推文情感分析的股市预测 Web 应用(API 密钥包含在代码中)。Web 应用的前端基于 Flask 和 Wordpress。该应用可预测用户输入的 NASDAQ 或 NSE 的任何给定股票未来七天的股价。预测使用三种算法进行:ARIMA、LSTM、线性回归。该 Web 应用将未来七天的预测价格与推文的情感分析相结合,以提供建议。
将Kaggle旧金山犯罪描述分类为39个类别。使用CNN、RNN(GRU和LSTM)以及词嵌入在Tensorflow上构建模型。
常见问题解答
GitHub 上最受欢迎的 #lstm 仓库是什么?
GitHub 上排名第一的开源 #lstm 项目是 tesseract-ocr/tesseract,拥有 77,607 个 Star。Tesseract 开源 OCR 引擎 (主仓库)
#lstm 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #lstm 项目中,最常见的编程语言是 Python, Jupyter Notebook, JavaScript, C++。
#lstm 仓库的排名是如何计算的?
我们跟踪了 36 个标记为 #lstm 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 246,923 个 Star,平均每个仓库拥有 6,858 个 Star。排名每日根据 GitHub API 更新。