keras

Eine verpackte und flexible Version des CRAFT-Textdetektors und des Keras CRNN-Erkennungsmodells.

CREPE: Eine Convolutional REpresentation zur Tonhöhenschätzung – vortrainiertes Modell (ICASSP 2018)

Live-Diagramm des Training Loss in Jupyter Notebook für Keras, PyTorch und andere

ktrain ist eine Python-Bibliothek, die Deep Learning und KI zugänglicher und einfacher anwendbar macht

Keras-Implementierung von „One pixel attack for fooling deep neural networks“ unter Verwendung von Differenzialevolution auf Cifar10 und ImageNet

:smiley_cat: Schöne und einfache Bildklassifizierungs-App-Vorlage. Stellen Sie Ihr eigenes trainiertes Modell oder vortrainiertes Modell (VGG, ResNet, Densenet) in 10 Minuten mit Flask als Web-App bereit.

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.

ONNXMLTools ermöglicht die Konvertierung von Modellen nach ONNX

Eine leichtgewichtige, Header-only-Bibliothek zur Verwendung von Keras- (TensorFlow-) Modellen in C++.

Python-Code während der Ausführung ändern, ohne den Zustand zu verlieren

Beispiele und Tools für Windows ML.

torchview: PyTorch-Modelle visualisieren

Layer-Ausgaben und Gradienten in Keras. Ganz einfach.

Schwarz-Weiß-Bilder mit Deep Learning kolorieren.

Gestenerkennung via CNN. Implementiert in Keras + Tensorflow/Theano + OpenCV

Interpretierbarkeitsmethoden für tf.keras-Modelle mit TensorFlow 2.x

Training neuronaler Modelle mit strukturierten Signalen.

Ein Tool zum Konvertieren von ONNX-Dateien in LiteRT/TFLite/TensorFlow, PyTorch Native Code (nn.Module), TorchScript (.pt), state_dict (.pt), Exported Program (.pt2) und Dynamo ONNX. Es unterstützt auch die direkte Konvertierung von LiteRT zu PyTorch.

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.

Hub für vortrainierte Modelle für Keras 3.

VGGFace-Implementierung mit dem Keras Framework

kapre: Keras Audio Preprocessors

Eine einheitliche Schnittstelle zum Ausführen von Deep-Learning-Modellen aus mehreren Frameworks

Deep Speaker: Ein End-to-End Neural Speaker Embedding System.

Eine kuratierte Sammlung von iOS-, ML- und AR-Ressourcen, ergänzt durch einige UI-Erweiterungen

Web-App zur Vorhersage von Aktienmärkten basierend auf maschinellem Lernen und Sentiment-Analyse von Tweets (API-Schlüssel im Code enthalten). Das Frontend der Web-App basiert auf Flask und Wordpress. Die App prognostiziert die Aktienkurse der nächsten sieben Tage für jede vom Benutzer eingegebene Aktie unter NASDAQ oder NSE. Vorhersagen werden mit drei Algorithmen getroffen: ARIMA, LSTM, Lineare Regression. Die Web-App kombiniert das

Wavelet-Scattering-Transformationen in Python mit GPU-Beschleunigung

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

Hochzitierte Top-Konferenz-Papele zu Erklärbarkeit von neuronalen Netzwerken im Deep Learning der letzten Jahre (mit Code).

Machine-Learning-Inferenz-Engine für Mikrocontroller und eingebettete Geräte