#tensorflow 仓库
共 454 个仓库
GPU-Jupyter:配备丰富数据科学工具栈、TensorFlow 和 PyTorch 的 GPU 加速 JupyterLab,用于您的可重复深度学习实验。
U-net, V-net, U-net++, UNET 3+, Attention U-net, R2U-net, ResUnet-a, U^2-Net, TransUNET 和 Swin-UNET 的 Tensorflow, Keras 实现,带有可选的 ImageNet 预训练骨干网络。
全球最快的基于 Transformer 的 ANPR / ALPR 实现,适用于 CPU、GPU、VPU 和 NPU(ONNX、TensorFlow Lite、TensorRT、Hailo、OpenVINO、RKNN2……)。支持多字符集(拉丁文、韩文、中文)、多操作系统(Jetson、Android、Raspberry Pi、Linux、Windows)和多种架构(ARM、x86)。
Intel® AI Reference Models:包含针对在 Intel® Xeon® Scalable 处理器和 Intel® Data Center GPU 上运行深度学习工作负载的 Intel 优化
检查、可视化并干预任意神经网络中的任何操作。无需更改模型代码,即可捕获每个激活值和梯度、完整计算图以及 800 多个元数据字段。支持 PyTorch、JAX、TensorFlow、MLX、PaddlePaddle 和 tinygrad。已在 6,400 多个模型上验证。专为研究人员及其 AI 智能体打造。
JavaScript的学习代码总结,高级特性、数据结构、设计模式、typescript、vue、angular、react、node、webpack、weex、小程序、tensorflow…,JavaScript是世界上最好的语言!
全栈机器学习 (ML) 路线图涉及学习必要的技能和技术,以精通机器学习的各个方面,包括数据收集和预处理、模型开发、部署和维护。
Flink 上的深度学习旨在将 Flink 与深度学习框架(例如 TensorFlow、PyTorch 等)集成,以在 Flink 集群上实现分布式深度学习训练和推理。
深度学习 Fabric (FfDL,发音为 fiddle) 是一个深度学习平台,在 Kubernetes 上以服务形式提供 TensorFlow、Caffe、PyTorch 等。
[JMLR 2023] Quantus 是一个用于负责任地评估神经网络解释的可解释 AI 工具包
此存储库包含使用 TensorFlow Estimator API 以系统化和标准化方式执行各种 ML 任务的教程。
Visualkeras 是一个 Python 包,可帮助可视化 Keras(独立使用或包含在 TensorFlow 中)的神经网络架构。它允许轻松进行样式设置以满足大多数需求。该模块支持分层风格的架构生成,非常适合 CNN(卷积神经网络),以及图形风格的架构,该架构非常适合大多数模型,包括普通的馈送前向网络。
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