deep-learning

Ein Toolkit zum Ausführen von Ray-Anwendungen auf Kubernetes

Computer-Vision-Projekte | Spannende KI-Projekte im Bereich Computer Vision (Python, C++, Embedded Systems)

Dokumentation des Wachstumswegs eines CV-Algorithmus-Ingenieurs sowie Notizen zum Tech-Stack für Computer Vision und Modellkomprimierung und -bereitstellung. https://harleyszhang.github.io/cv_note/

Mosaike in Bildern und Videos automatisch entfernen oder hinzufügen.

Implementierung von AudioLM, einem SOTA-Sprachmodellierungsansatz zur Audiogenerierung von Google Research, in PyTorch

EdgeConnect: Strukturgesteuerte Bildinstandsetzung mittels Kantenprädiktion, ICCV 2019 https://arxiv.org/abs/1901.00212

🐸STT – Das Deep-Learning-Toolkit für Speech-to-Text. Das Trainieren und Bereitstellen von STT-Modellen war noch nie so einfach.

PyTorch-Domain-Bibliothek für Empfehlungssysteme

Ausgewählte Deep-Learning-Paper für industrielle Suche, Empfehlung und Werbung. Sie konzentrieren sich auf Embedding, Matching, Pre-Ranking, Ranking, Post-Ranking, Relevanz, LLM und RL. Bitte zitieren Sie unser Paper „Deep Learning to Rank in Industrial Search Engines, Recommender Systems, and Online Advertising - An Overview and New Perspectives“ (TOIS 2026).

Eine PyTorch-Bibliothek für Multi-Task-Learning

Ein auf PyTorch basierendes Toolkit zur Audiosquellenteilung für Forscher

Dies ist das Repository für unser neues Projekt „Highly Accurate Dichotomous Image Segmentation“.

Allzweck-GPU-Computing-Framework auf Basis von Vulkan zur Unterstützung von Tausenden von herstellerübergreifenden Grafikkarten (AMD, Qualcomm, NVIDIA & Co.). Extrem schnell, mobilfähig, asynchron und optimiert für fortgeschrittene GPU-Datenverarbeitungs-Anwendungsfälle. Unterstützt von der Linux Foundation.

Konvertieren Sie TensorFlow-, Keras-, Tensorflow.js- und TFLite-Modelle nach ONNX

Deep-Learning-Server und CLI für Torch und TensorRT

Automatische Architektursuche und Hyperparameter-Optimierung für PyTorch

Sammlung von Arbeiten, Datensätzen, Code und anderen Ressourcen zur Objekterkennung und -verfolgung mittels Deep Learning

Große Sprachmodelle (LLMs) leicht gemacht – EasyLM ist eine Komplettlösung für Pre-Training, Fine-Tuning, Evaluierung und Bereitstellung von LLMs in JAX/Flax.

Dezentrales Deep Learning in PyTorch. Entwickelt, um Modelle auf Tausenden von Freiwilligen weltweit zu trainieren.

YoloV3 implementiert in Tensorflow 2.0

2- bis 2000-mal schnellere ML-Algorithmen, 50 % weniger Speicherverbrauch, funktioniert auf alter und neuer Hardware.

[AAAI-23 Oral] Offizielle Implementierung des Papers „Are Transformers Effective for Time Series Forecasting?“

Jupyter Notebook-Tutorials zum Lösen realer Probleme mit Machine Learning & Deep Learning unter Verwendung von PyTorch. Themen: Gesichtserkennung mit Detectron 2, Zeitreihen-Anomalieerkennung mit LSTM Autoencoders, Objekterkennung mit YOLO v5, Erstellung Ihres ersten neuronalen Netzwerks, Zeitreihenvorhersage für tägliche Coronavirus-Fälle, Sentiment-Analyse mit BERT

PyTorch-Implementierung von SimCLR: Ein einfaches Framework für kontrastives Lernen visueller Repräsentationen

Code-Release zu „Autoformer: Decomposition Transformers with Auto-Correlation for Long-Term Series Forecasting“ (NeurIPS 2021), https://arxiv.org/abs/2106.13008

Ein-Schritt-Image-to-Image mit Stable Diffusion turbo: sketch2image, day2night und mehr

Graphormer ist ein universelles Deep-Learning-Backbone für die molekulare Modellierung.

Vietnamesisches TTS mit sofortigem Voice Cloning • On-Device • Echtzeit-CPU-Inferenz • 24kHz Audioqualität • Chuyển văn bản thành giọng nói tiếng Việt • Text to speech tiếng Việt • TTS tiếng Việt

Metriken für maschinelles Lernen für verteilte, skalierbare PyTorch-Anwendungen.

LeetCode für PyTorch — 65 ML/AI-Interviewprobleme aus echten Interviews bei Google, Meta, Anthropic. Jupyter-Notebooks, ein automatischer Evaluator und ein MCP-KI-Tutor.