#machine-learning 仓库
共 2,070 个仓库
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
本存储库包含python版本的 "An Introduction to Statistical Learning" 书籍中的练习及其解决方案。
一款完全私密、本地运行的桌面 AI 助手。始终在线,随时加入对话。支持无限 MCP 工具和无限记忆,并具备自我学习能力。支持听写,是 WisprFlow 的免费替代方案。可在 macOS、Windows 和 Linux 上运行。
Kashgari 是一个生产级的 NLP 迁移学习框架,基于 tf.keras 构建,用于文本标注和文本分类,包括 Word2Vec、BERT 和 GPT2 语言嵌入。
在您的浏览器中**完全完全完全**运行、编译和执行用于科学计算和数据可视化的 JavaScript!一个完全在您的浏览器中运行的 JavaScript 开源科学计算环境,支持 GPU 加速的矩阵运算、TeX 支持、数据可视化和符号计算。
掌握使用机器学习和深度学习识别并解决复杂现实世界问题的基本技能,利用备受欢迎的 Python 机器学习生态系统。
Objectron 是一个短小的、以对象为中心的视频片段数据集。此外,这些视频还包含 AR 会话元数据,包括相机姿态、稀疏点云和平面。在每个视频中,相机围绕物体上下移动,并从不同视角捕捉物体。每个物体都用 3D 边界框进行标注。3D 边界框描述了物体的位置、方向和尺寸。该数据集包含约 15K 个标注视频片段和 4M 个标注图像,涵盖以下类别
UpTrain 是一个开源的统一平台,用于评估和改进生成式 AI 应用程序。我们为 20 多个预配置的检查(涵盖语言、代码、嵌入式用例)提供评分,对失败案例进行根本原因分析,并提供有关如何解决这些问题的见解。