neural-network

Eine Sammlung von Notebooks und anderen Dateien, die Ihnen beim Erlernen von KI von Grund auf helfen.

Prägnante und schöne Algorithmen, geschrieben in Julia

Eine primitive Bibliothek für neuronale Netze

Owl – OCaml Scientific Computing @ https://ocaml.xyz

Arm NN ML-Software.

Trainieren auf 94 % bei CIFAR-10 in unter 6,3 Sekunden auf einer einzigen A100. Oder ca. 95,79 % in ca. 110 Sekunden (oder weniger!)

[ECCV`24&ICLR`25] CityGaussian-Serie für hochwertige, großflächige Szenenrekonstruktion mit Gaussians

Taschengroße multimodale KI für Inhaltsverständnis und -generierung über mehrsprachige Texte, Bilder und 🔜 Videos, bis zu 5x schneller als OpenAI CLIP und LLaVA 🖼️ & 🖋️

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

Physics-Informed Neural Networks (PINN)-Solver für (partielle) Differentialgleichungen zur beschleunigten Simulation im Bereich Scientific Machine Learning (SciML)

Diagramme zur Visualisierung von neuronalen Netzwerkarchitekturen

Ein Projekt zur Verarbeitung neuronaler Netze und zum Rendern, um durch eine übersichtliche Darstellung Einblicke in Architektur und Parameter eines Modells zu gewinnen.

Forschung zu Tabellarischem Deep Learning: Papers & Pakete

:computer: Lernen Sie, Maschinen das Lernen beizubringen, damit Sie sie nicht mühsam programmieren müssen; Die ultimative Liste

Audioverarbeitung mittels PyTorch 1D-Faltungsnetzwerk

Beispiele und Tools für Windows ML.

torchview: PyTorch-Modelle visualisieren

Dataflow-Compiler für QNN-Inferenz auf FPGAs

Skalierung eines Bildes um den Faktor 4 bei gleichzeitiger Generierung fotorealistischer Details.

Reine PyTorch-Implementierung des NVIDIA-Papers zum instantanen Training neuronaler Grafikprimitiven: https://nvlabs.github.io/instant-ngp/

Aktives Lernen für systematische Reviews

Technischer Blog zu Python-Algorithmen für maschinelles Lernen mit originellen Inhalten und Code-Praxis!

Machine Learning Open Source University

Eine Echtzeitmethode zur direkten Schätzung der 3D-menschlichen Pose im gängigen Bio Vision Hierarchy (BVH)-Format, basierend auf geschätzten 2D-Körpergelenken aus monokularen Farbbildern. Unsere Beiträge umfassen: (a) Eine neuartige und kompakte 2D-Pose-NSRM-Repräsentation. (b) Einen Klassifikator für die Ausrichtung des menschlichen Körpers und eine Sammlung ausrichtungsspezifischer

A-Paper-A-Week

SchNetPack – Tiefe neuronale Netze für atomistische Systeme

Reine Rust-Implementierung eines minimalen Generative Pretrained Transformer

BladeDISC ist ein End-to-End Dynamic Shape Compiler-Projekt für Machine-Learning-Workloads.

Datenkomprimierung in TensorFlow

Dieses Repository enthält Skripte und Notebooks zu den Themen Statistik, Machine Learning, Neuronale Netze, Deep Learning, NLP, numerische Methoden und Automatisierung.