deep-learning

Ausgew Künstliche Intelligenz, Machine Learning und Deep Learning während des Lernens. Studiennotizen und eine kuratierte Liste großartiger Ressourcen zu diesen Themen.

PyTorch-Tutorials und Best Practices

Software und vortrainierte Modelle zur automatischen Verbesserung der Fotoqualität mittels Deep Convolutional Networks

NBA-Sportwetten mit maschinellem Lernen

Implementierung von Alphafold 3 von Google Deepmind in PyTorch

Multiprozess-Bild-Webcrawler für Google und Naver (Selenium)

Graph4nlp ist die Bibliothek zur einfachen Nutzung von Graph Neural Networks für NLP. Besuchen Sie unsere DLG4NLP-Website (https://dlg4nlp.github.io/index.html) für verschiedene Lernressourcen!

Effizienter, skalierbarer und unternehmenstauglicher CPU/GPU-Inferenzserver für 🤗 Hugging Face Transformer-Modelle 🚀

Eine Auswahl modernster Forschungsmaterialien zur Trajektorienvorhersage

Nx-gestützte neuronale Netze

BirdNET-Analyzer für die wissenschaftliche Audiodatenverarbeitung.

Dieses Repository enthält Code für Machine-Learning-Algorithmen für Edge-Geräte, entwickelt von Microsoft Research India.

Tiefe probabilistische Analyse von Einzelzell- und räumlichen Omics-Daten

Leistungsstarke automatische Differenzierung von LLVM und MLIR.

Eine Bibliothek für Offline-Deep-Reinforcement-Learning

Implementierung des auf der ICLR 2021 vorgeschlagenen ,lightweight' GAN in PyTorch. Generierung hochauflösender Bilder, die innerhalb von ein bis zwei Tagen trainiert werden können

Ein einheitliches Framework für Deep-Learning-Modelle auf tabellarischen Daten

NYU Deep Learning Frühling 2021

Python-basierte Forschungsschnittstelle für Blackbox- und Hyperparameter-Optimierung, basierend auf dem internen Google Vizier Service.

Ein PyTorch-basiertes Framework für Quanten-Klassische Simulation, Quanten-Maschinelles Lernen, Quanten-Neuronale Netze und parametrisierte Quantenschaltkreise mit Unterstützung für die einfache Bereitstellung auf echten Quantencomputern.

Sammlung von Google-Colaboratory-Notebooks für schnelle und einfache Experimente.

All-in-One-Training für Vision-Modelle (YOLO, ViTs, RT-DETR, DINOv3): Vortraining, Fine-Tuning, Distillation.

Synthetische DatenGeneratoren für Tabellen- und Zeitreihendaten

Ein Deep-Learning-Python-Toolkit für Anwendungen im Gesundheitswesen.

MixTeX multimodales LaTeX, ZhEn und Tabellen-OCR. Führt eine effiziente CPU-basierte Inferenz lokal offline unter Windows aus.

UniFace: Eine einheitliche Gesichts-Analysebibliothek für Python | Erkennung, Ausrichtung, Landmarks, Face-Mesh, Recognition, Parsing, Gaze, Attribute und Anti-Spoofing unter einer einzigen API.

Hyperparameter-Experimente mit TensorFlow und Keras

Eine PyTorch-Bibliothek und Evaluierungsplattform für End-to-End-Komprimierungsforschung

Dokumente, Arbeiten und Code im Zusammenhang mit der natürlichen Sprachverarbeitung (Natural Language Processing), einschließlich Topic Models, Word Embeddings, Named Entity Recognition, Textklassifizierung, Textgenerierung, Textähnlichkeit, maschineller Übersetzung usw.

Eine umfassende Liste von über 180 YouTube-Kanälen für Data Science, Data Engineering, Machine Learning, Deep Learning, Informatik, Programmierung, Software Engineering usw.