deep-learning

Zusammenstellung von ChatGPT-Lernmaterialien, kontinuierlich aktualisiert ...

Werden Sie mit diesem vollständigen 0-auf-100-Repository zum Experten für Künstliche Intelligenz, Machine Learning, generative KI, Deep Learning, Data Science, Natural Language Processing, Reinforcement Learning und mehr.

Der Hugging Face-Kurs über Transformers

TorchGeo: Datasets, Sampler, Transforms und vortrainierte Modelle für Geodaten

Ein Python-Paket zur Segmentierung von Geodaten mit dem Segment Anything Model (SAM)

Fehlertolerante, hochskalierbare GPU-Orchestrierung und ein Machine-Learning-Framework für das Training von Modellen mit Milliarden bis Billionen von Parametern

Ein Open-Source-Framework zum Training großer multimodaler Modelle.

📈 Derzeit größte industrielle Defekterkennungsdatenbank und Papersammlung. Ständige Zusammenfassung von Open-Source-Datensätzen und kritischen Beiträgen im Bereich der Oberflächendefektforschung von großer Bedeutung.

SuperGlue: Learning Feature Matching with Graph Neural Networks (CVPR 2020, Oral)

FEDML - Die vereinheitlichte und skalierbare ML-Bibliothek für verteiltes Training im großen Maßstab, Modellbereitstellung und föderiertes Lernen. FEDML Launch, ein Cloud-übergreifender Scheduler, ermöglicht zudem die Ausführung beliebiger KI-Jobs auf jeder GPU-Cloud oder jedem On-Premise-Cluster. Basierend auf dieser Bibliothek ist TensorOpera AI (https://TensorOpera.ai) Ihre generative KI-Plattform im großen Maßstab.

Modellzusammenfassung in PyTorch, ähnlich wie `model.summary()` in Keras

Eine moderne, benutzerdefinierte Anki-Zeitplanung basierend auf dem Free Spaced Repetition Scheduler-Algorithmus

Deepchecks: Tests zur kontinuierlichen Validierung von ML-Modellen & Daten. Deepchecks ist eine ganzheitliche Open-Source-Lösung für alle Anforderungen im Bereich KI- & ML-Validierung und ermöglicht das gründliche Testen von Daten und Modellen von der Forschung bis zur Produktion.

oneAPI Deep Neural Network Library (oneDNN)

Ressourcen für Quanten-/Algorithmushandel mit Schwerpunkt auf maschinellem Lernen

Eine umfassende Liste von Deep Learning-, Künstliche Intelligenz- und Machine Learning-Tutorials – schnell expandierend in Bereiche wie KI, Deep Learning, Maschinelles Sehen, NLP und branchenspezifische Bereiche wie Klima, Energie, Automobil, Einzelhandel, Pharma, Medizin, Gesundheitswesen, Politik, Ethik und mehr.

TimeGPT-1: Ein produktionsbereites, vortrainiertes Time Series Foundation Model für Vorhersagen und Anomalieerkennung. Ein generativer, vortrainierter Transformer für Zeitreihen, trainiert auf über 100 Milliarden Datenpunkten. Ermöglicht präzise Vorhersagen in Bereichen wie Einzelhandel, Strom, Finanzen und IoT mit nur wenigen Zeilen Code 🚀.

Vektor- (und Skalar-) Quantisierung in PyTorch

Texterkennung (OCR) mit Deep-Learning-Methoden, ICCV 2019

Ein minimales Python-Framework zum Erstellen benutzerdefinierter KI-Inferenzserver mit voller Kontrolle über Logik, Batching und Skalierung.

Transfer Learning Library für Domain Adaptation, Task Adaptation und Domain Generalization

TVM-Dokumentation in vereinfachtem Chinesisch / TVM 中文文档

Awesome Knowledge Distillation

Der einfachste und bequemste Weg, Multi-Agenten-LLM-Anwendungen zu erstellen.

Der offizielle CLI- und Python-Client für die Hugging Face Hub.

Berechnung von FID-Scores mit PyTorch.

OpenMMLab Pre-training Toolbox und Benchmark

Unterstützung des Designs, Vergleichs und Austauschs von Modellen für den tiefen Textabgleich.

Ressourcen für maschinelles Lernen

Scenic: Eine Jax-Bibliothek für die Computer-Vision-Forschung und darüber hinaus