deep-learning

Code zum Paper 'Computation Offloading Optimization for UAV-assisted Mobile Edge Computing: A Deep Deterministic Policy Gradient Approach'.

Little Ball of Fur – Eine Graph-Sampling-Erweiterungsbibliothek für NetworKit und NetworkX (CIKM 2020)

Eine kuratierte Liste von Monte-Carlo-Tree-Search-Papern mit Implementierungen.

End-to-End-Workflows für Machine Learning Operations auf der Google Cloud Platform Vertex AI

[NeurIPS 2020] MCUNet: Tiny Deep Learning auf IoT-Geräten; [NeurIPS 2021] MCUNetV2: Speichereffiziente, patchbasierte Inferenz für Tiny Deep Learning

Eine einfache probabilistische Programmiersprache.

Open-Source-Monocular-Python-HawkEye für Tennis.

Wissenswerte Artikel über Machine Learning (Deep Learning) auf dynamischen (zeitlichen) Graphen (Netzwerken / Knowledge Graphs).

Leitfaden für Machine Learning. Erfahren Sie alles über Machine-Learning-Tools, Bibliotheken, Frameworks, Large Language Models (LLMs) und das Training von Modellen.

DeepTables: Deep-Learning-Toolkit für tabellarische Daten

Cookiecutter-Template für FastAPI-Projekte mit: Machine Learning, uv, GitHub Actions und Pytest

Minimales Seq2Seq-Modell mit Attention für neuronale maschinelle Übersetzung in PyTorch

Der Hailo Model Zoo enthält vortrainierte Modelle und eine vollständige Erstellungs- und Evaluierungsumgebung

Low-Level-3D-Computer-Vision-Bibliothek in Rust

Code für Hands-on Unsupervised Learning Using Python (O'Reilly Media)

Implementierung von Voicebox, einem neuen SOTA Text-to-Speech-Netzwerk von MetaAI, in PyTorch.

HPC-Tutorial, einschließlich kollektiver Kommunikation (MPI, NCCL), CUDA-Programmierung, Vektor-SIMD, RDMA-Kommunikation usw.

Eine Full-Stack-ML-Roadmap (Machine Learning) vermittelt die notwendigen Fähigkeiten und Technologien, um in allen Aspekten des maschinellen Lernens kompetent zu werden, einschließlich Datenerfassung und -vorverarbeitung, Modellentwicklung, Bereitstellung und Wartung.

Wiederherstellung von TEMPEST-Bildern mittels Deep Learning

Speech-to-Text-Benchmark-Framework

Dieses Repository enthält die meisten PyTorch-Implementierungen klassischer Deep-Reinforcement-Learning-Algorithmen, einschließlich DQN, DDQN, Dueling Network, DDPG, SAC, A2C, PPO, TRPO (weitere Algorithmen in Entwicklung).

Hugging Face Modelle nach Core ML und TensorFlow Lite exportieren

Deep Learning on Flink zielt darauf ab, Flink und Deep-Learning-Frameworks (z. B. TensorFlow, PyTorch usw.) zu integrieren, um verteiltes Deep-Learning-Training und -Inferenz auf einem Flink-Cluster zu ermöglichen.

Multi-Objekt-Tracker in Python

Algorithmen des maschinellen Lernens für Vielteilchen-Quantensysteme

[ECCV] Swin2SR: SwinV2 Transformer für komprimierte Bild-Super-Resolution und -Wiederherstellung. Advances in Image Manipulation (AIM) Workshop ECCV 2022. Probieren Sie es aus! Über 3,3 Mio. Ausführungen https://replicate.com/mv-lab/swin2sr

Sammlung von über 234 Projekten zu Machine Learning, Deep Learning, Computer Vision, Natural Language Processing und mehr. Zeige deine Unterstützung, indem du diesem Repository einen Stern gibst.

Papers, Code und Datensätze zum Thema Deep Learning für die 3D-Objekterkennung.

🎯 Von Null zum KI-Experten 👑

Vorhersage von Aktienkursen mittels eines TensorFlow LSTM (Long Short-Term Memory) neuronalen Netzwerks für Zeitreihenprognosen