deep-neural-networks

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

Diagramme zur Visualisierung von neuronalen Netzwerkarchitekturen

Channel Pruning zur Beschleunigung sehr tiefer neuronaler Netze (ICCV'17)

Eine PyTorch-Adversarial-Bibliothek für Angriffs- und Verteidigungsmethoden auf Bildern und Graphen

Begleit-Repository zu „GANs in Action: Deep learning with Generative Adversarial Networks“

Framework-unabhängige Implementierung modernster Saliency-Methoden (XRAI, BlurIG, SmoothGrad und mehr).

[ICML2024 (Oral)] Offizielle PyTorch-Implementierung von DoRA: Weight-Decomposed Low-Rank Adaptation

Lernen Sie Deep Learning mit TensorFlow 2.0, Keras und Python in dieser umfassenden Tutorial-Reihe. Lernen Sie Deep Learning von Grund auf für Anfänger.

Buch zu Machine Learning Q and AI

Ein polyedrischer Compiler zum Ausdrücken schneller und portabler datenparalleler Algorithmen

Sammlung aktueller Methoden zur Komprimierung und Beschleunigung von (Deep-)Neuralen Netzen.

Datenkomprimierung in TensorFlow

Erkennen der Programmiersprache eines Quellcodes

Kostenloser und vollständig quelloffener L2-ADAS-Stack, angetrieben durch End-to-End-KI-Technologie

TinyNeuralNetwork ist ein effizientes und einfach zu bedienendes Framework zur Komprimierung von Deep-Learning-Modellen.

Eine kuratierte Liste von Datensätzen, Codebasen und Papieren zum Multi-Task Learning (MTL) aus der Perspektive des maschinellen Lernens.

Dieses Repository enthält eine Sammlung von Umfragen, Datensätzen, wissenschaftlichen Arbeiten und Code zur Schätzung von Vorhersageunsicherheiten in Deep-Learning-Modellen.

Deskriptives Deep Learning

Android TensorFlow Lite Machine Learning Beispiel

Ein Gebärdensprach-Dolmetscher, der den Live-Video-Feed der Kamera nutzt.

Eine einfache Bibliothek zum Erstellen komplexer neuronaler Netze

Beispiel für multiple multivariate Zeitreihenvorhersage mit LSTM Recurrent Neural Networks in Python mit Keras.

NeuPy ist eine auf TensorFlow basierende Python-Bibliothek zum Prototyping und Erstellen von neuronalen Netzen

Eine kuratierte (aktuellste) Liste von Ressourcen zum Lernen mit fehlerhaften Labels (Learning with Noisy Labels)

Speech-to-Text-Benchmark-Framework

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

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

ML-capsule ist ein Projekt für Anfänger und erfahrene Data-Science-Enthusiasten, die keinen Mentor oder keine Anleitung haben und Machine Learning lernen möchten. Mit unserem Repository können sie ML, DL und viele verwandte Technologien anhand verschiedener realer Projekte erlernen und sich auf Vorstellungsgespräche vorbereiten.

Dieses Repository enthält Evaluierungscode für das Paper "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI"

Automatische 3D-Charakteranimation unter Verwendung von Pose-Estimation- und Landmark-Generation-Techniken.