deep-learning

Kuratierte Liste öffentlich zugänglicher Machine-Learning-Kurse von CalTech, Columbia, Berkeley, MIT und Stanford.

Hardnet-Deskriptormodell – „Wir arbeiten hart daran, die Ränder Ihres Nachbarn zu kennen: Lokales Deskriptor-Lern-Loss“

Eine Liste wissenschaftlicher Arbeiten zum Thema Novel Class Discovery.

Implementierung von E(n)-äquivarianten Graph Neural Networks in PyTorch.

Führen Sie Ihre Deep-Learning-Workloads einfacher und effizienter auf Kubernetes aus.

Eine kuratierte Liste von Weltmodellen für autonomes Fahren.

Offizieller Code für das ICCV 2021 Paper "Towards Flexible Blind JPEG Artifacts Removal (FBCNN)".

TensorLayerX: Ein einheitliches Framework für Deep Learning und Reinforcement Learning für alle Hardware-Plattformen, Backends und Betriebssysteme.

Mindmap der Softwarearchitektur und Softwaretechnik: Ein Überblick über Software-Terminologien und -Konzepte.

Training von Machine-Learning-Modellen in einem Docker-Container mit Amazon SageMaker.

Code zur Erstellung von Stylized-ImageNet, einer stilisierten Version des Standard-ImageNet (ICLR 2019 Oral).

Das PatchCamelyon (PCam) Deep-Learning-Klassifizierungs-Benchmark.

Ein Edge-Echtzeit-Objektdetektor ohne Ankerpunkte mit solider Leistung.

Dies ist eine Liste von wissenschaftlichen Arbeiten zur Vorhersage von Trajektorien für Verkehrsagenten.

Umfassende Sammlung von Ressourcen, Tutorials, Fachartikeln, Tools und Best Practices für das Fine-Tuning von Large Language Models (LLMs), ideal für ML-Praktiker und Forscher.

Selbstüberwachtes kontrastives Lernen für Zeitreihen mittels Zeit-Frequenz-Konsistenz

Triton Model Analyzer ist ein CLI-Tool zur besseren Analyse der Rechen- und Speicheranforderungen von Modellen für den Triton Inference Server.

Notizen zu Deep-Learning-Systemen, einschließlich mathematischer Grundlagen, detaillierter Erläuterungen neuronaler Netzwerkkomponenten, Trainingsstrategien und Algorithmen zur Modellkomprimierung.

Eine Neuimplementierung von Holistically-Nested Edge Detection in PyTorch

Die offizielle PyTorch-Implementierung von L2CS-Net zur Blickrichtungsschätzung und -verfolgung.

StarGANv2-VC: Ein vielseitiges, unüberwachtes und nicht-paralleles Framework für natürlich klingende Stimmenkonvertierung.

Das erste offene Framework für föderiertes Lernen, implementiert in C++ und Python.

Der Hugging Face-Kurs zu Transformers für Audio

learning-Journey-AI ist eine aktuelle Zusammenstellung von KI-Lernmaterialien für 2025, die grundlegende Theorien, Bücher, Artikel und wissenschaftliche Arbeiten sowie praktische Projekte und Werkzeuge zum Üben umfasst.

Bayesian Deep Learning: Ein Überblick

Implementierung von https://srush.github.io/annotated-s4.

Ein einfaches Modul für selbstfahrende Autos für Menschen 🚘 🛣️

Implementierung von E2-TTS, "Embarrassingly Easy Fully Non-Autoregressive Zero-Shot TTS", in Pytorch.

Training hochwertiger Text-zu-Bild-Diffusionsmodelle auf daten- und recheneffiziente Weise

Ein Framework für hochperformante medizinische Bildverarbeitung, neuronale Netzwerkinferenz und Visualisierung