deep-learning

Protein Graph Library

Variational Autoencoder implementiert in TensorFlow und PyTorch (einschließlich Inverse Autoregressive Flow)

PDEBench: Ein umfangreicher Benchmark für wissenschaftliches maschinelles Lernen

Ein Framework zur Verwendung von LSTMs zur Erkennung von Anomalien in multivariaten Zeitreihendaten. Enthält Raumfahrzeug-Anomaliedaten und Experimente der Missionen Mars Science Laboratory und SMAP.

TorchXRayVision: Eine Bibliothek mit Röntgenthorax-Datensätzen und -Modellen. Klassifizierer, Segmentierung und Autoencoder.

Eine Einführung in das maschinelle Lernen von Grund auf. Für Ingenieure, die über ML-Systeme genauso nachdenken möchten wie über Softwaresysteme.

rPPG-Toolbox: Deep Remote PPG Toolbox (NeurIPS 2023)

Ein Deep-Learning-Toolkit für DTI, Eigenschaftsvorhersage von Medikamenten, PPI, DDI und Proteinfunktionsvorhersage (Bioinformatik)

Ein Python-Framework zur Evaluierung von Sequenzmarkierungen (Named-Entity Recognition, POS-Tagging etc.)

Eine Liste von Ressourcen zum Backdoor-Lernen

Portfolio-Optimierung mit Deep Learning.

Diagramme zur Visualisierung von neuronalen Netzwerkarchitekturen

Ein einfacher Weg, Ihr neuronales Netzwerk zu kalibrieren.

Schnelle Audiodaten-Augmentierung in PyTorch. Inspiriert von audiomentations. Nützlich für Deep Learning.

Eine Deep-Learning-Bibliothek für die Klassifizierung von EEG-Aufgaben (Signalen), basierend auf TensorFlow.

PyTorch - FID-Berechnung mit korrekten Schritten zur Bildgrößenänderung und Quantisierung [CVPR 2022]

[ICLR24] Offizielle Implementierung des Papiers „MagicDrive: Street View Generation with Diverse 3D Geometry Control“

[NeurIPS 2020] Offizieller Code für das Paper „DeepSVG: A Hierarchical Generative Network for Vector Graphics Animation“. Enthält eine PyTorch-Bibliothek für Deep Learning mit SVG-Daten.

Eine Sammlung von Deep-Learning-basierten Papern zur Bild- und Videokolorierung.

Coolste Vision-, Lern- und Grafik-Paper zu Katzen!

Offizielle PyTorch-Implementierung von „VITON-HD: High-Resolution Virtual Try-On via Misalignment-Aware Normalization“ (CVPR 2021)

Offizielles Repository für die Methoden der Uni-Mol-Serie.

Forschung zu Tabellarischem Deep Learning: Papers & Pakete

LibCity: Eine offene Bibliothek für urbane raum-zeitliche Datenpannen

Plug-and-Play-Sprachmodell-Implementierung. Ermöglicht die Steuerung von Thema und Attributen von GPT-2-Modellen.

NVTabular ist eine Feature-Engineering- und Vorverarbeitungsbibliothek für tabellarische Daten, die entwickelt wurde, um Terabyte-große Datensätze für das Training von Deep-Learning-basierten Empfehlungssystemen schnell und einfach zu verarbeiten.

Interviewfragen und schriftliche Tests für maschinelles Lernen, Deep Learning, Python und Go (Machine Learning, Deep Learning, Python und Golang Interview Questions)

JMLR: OmniSafe ist ein Infrastruktur-Framework zur Beschleunigung der SafeRL-Forschung.

Werkzeuge zur Verarbeitung multimodaler Daten in Machine-Learning-Projekten.

🔥 CNN zur Wasserzeichenentfernung mit Deep Image Prior und PyTorch 🔥.