deep-learning

Teilen Sie Ihre PyTorch-Modelle automatisch für Training und Inferenz auf mehrere GPUs auf

YOLOv7-Objektverfolgung mit PyTorch, OpenCV und Sort Tracking

Vollständiger Lebenszyklus eines Data-Science-Projekts

Eine轻量级、portabile reine C99 ONNX-Inferenzengine für eingebettete Geräte mit Unterstützung für Hardwarebeschleunigung.

Go-Binding für die PyTorch C++ API (libtorch)

Wav2Lip-Version 288 und Trainings-Pipeline

Implementierung von PFLD (A Practical Facial Landmark Detector), basierend auf https://arxiv.org/pdf/1902.10859.pdf

Leichter Einpersonen-Posen-Schätzer

Dies ist eine Liste großartiger Paper zu optischem Fluss und verwandten Themen.

Aktives Lernen für Textklassifizierung in Python

Build your own X – Mastern Sie Machine Learning, indem Sie alles von Grund auf neu entwickeln. Das Projekt deckt alles von linearer Regression über Deep Learning bis hin zu Large Language Models (LLMs) ab.

Notizen und Materialien zu mathematischer Modellierung und maschinellem Lernen / Deep Learning / Large Language Models (wird fortlaufend aktualisiert...).

ICLR 2020: Kompositionsbasierte, multirelationale Graph-Convolutional-Networks

PyTensor ermöglicht das Definieren, Optimieren und effiziente Auswerten mathematischer Ausdrücke mit mehrdimensionalen Arrays.

Exclusively Dark (ExDARK)-Datensatz, der unseres Wissens nach die bisher größte Sammlung von Aufnahmen bei schlechten Lichtverhältnissen von sehr dunklen Umgebungen bis zur Dämmerung (d. h. 10 verschiedene Bedingungen) mit Bildklassen- und Objekt-Annotationen darstellt.

Eine Sammlung von Datensätzen für Segmentierung und Saliency Detection. PRs sind willkommen.

AnyLoc: Universelle visuelle Ortserkennung (RA-L 2023)

Dieser Code gehört zum Papier Trading with the Momentum Transformer: An Intelligent and Interpretable Architecture (https://arxiv.org/pdf/2112.08534.pdf).

Differenzierbares Strömungsmechanik-Paket

TorchOpt ist eine effiziente Bibliothek für differenzierbare Optimierung, die auf PyTorch basiert.

[NeurIPS 2021] Multiskalen-Benchmarks für multimodales Repräsentationslernen

Dieses Repository sammelt Code zur Implementierung gängiger Algorithmen im Bereich des maschinellen Lernens. Die meisten basieren auf Numpy, Pandas oder Torch. Sie können Ihr Verständnis vertiefen oder den Code an Ihre Bedürfnisse anpassen.

Eine experimentelle Plattform für Föderiertes Lernen.

API zum Ausführen von VirtualHome, einem Multi-Agenten-Haushaltssimulator

Offizielle Implementierung für „Blended Latent Diffusion“ [SIGGRAPH 2023]

TransMorph: Transformer für unüberwachte medizinische Bildregistrierung (PyTorch)

Offizielle Implementierung des CVPR-2022-Papers „Neural RGB-D Surface Reconstruction“

Implementierung/Tutorial zur Nutzung von Automated Machine Learning (AutoML)-Methoden für statisches/Batch- und Online-/kontinuierliches Lernen

Treten Sie der Community auf Discord bei, um weitere Diskussionen rund um Neutone zu führen! https://discord.gg/VHSMzb8Wqp

3D-Punktwolken-Objekterkennung und semantische Segmentierung (Deep Learning) – SOTA-Methoden, Code, Paper, Datensätze und mehr