tensorflow

Aim 💫 — Ein einfach zu bedienender und leistungsstarker Open-Source-Experimenttracker.

Code für das Tensorflow Machine Learning Cookbook

Sämtliche Kursmaterialien für den „Zero to Mastery Deep Learning with TensorFlow“-Kurs.

Standardisierte, verteilte generative und prädiktive KI-Inferenzplattform für skalierbare Bereitstellungen mit mehreren Frameworks auf Kubernetes

MMdnn ist eine Reihe von Tools zur Unterstützung der Interoperabilität zwischen verschiedenen Deep-Learning-Frameworks. Z. B. Modellkonvertierung und -visualisierung. Konvertieren Sie Modelle zwischen Caffe, Keras, MXNet, Tensorflow, CNTK, PyTorch Onnx und CoreML.

T81-558: Keras – Anwendungen von Deep Neural Networks an der Washington University in St. Louis

ZenML 🙏: Eine KI-Plattform von Pipelines bis Agents. https://zenml.io.

Learning to See in the Dark. CVPR 2018

Leistungsstarke TensorFlow-Bibliothek für quantitative Finanzanwendungen

Core ML Tools enthält Hilfsprogramme für die Konvertierung, Bearbeitung und Validierung von Core ML-Modellen.

Tools zum Entwerfen oder Visualisieren der Architektur neuronaler Netze.

Eine Machine-Learning-Aufgabe zur Bildrestaurierung, die Wasserzeichen intuitiv aus Bildern entfernt, sodass sie vom Original nicht zu unterscheiden sind

Keras-Modell zur Generierung von HTML-Code aus handgezeichneten Website-Mockups. Implementiert eine Bildbeschreibungsarchitektur für gezeichnete Quellbilder.

Danfo.js ist eine Open-Source-JavaScript-Bibliothek, die leistungsstarke, intuitive und einfach zu bedienende Datenstrukturen zur Bearbeitung und Verarbeitung strukturierter Daten bereitstellt.

Ressourcen, Praxis und Forschung zu maschinellem Lernen und Agentic AI

Segmentierungsmodelle mit vortrainierten Backbones. Keras und TensorFlow Keras.

Grundlagen des Machine Learnings: Lineare Algebra, Analysis, Statistik & Informatik

Ein Engine-agnostisches Deep-Learning-Framework in Java

Machine-Learning-Container für NVIDIA Jetson und JetPack-L4T

Eine probabilistische Programmiersprache in TensorFlow. Tiefe generative Modelle, variationelle Inferenz.

Handschrift-Synthese mit RNNs ✏️

TNN: Entwickelt vom Tencent Youtu Lab und Guangying Lab, ein einheitliches Deep-Learning-Inferenz-Framework für Mobilgeräte, Desktops und Server. TNN zeichnet sich durch herausragende Funktionen wie Plattformunabhängigkeit, hohe Leistung, Modellkomprimierung und Code-Pruning aus. Basierend auf ncnn und Rapidnet verstärkt TNN die Unterstützung und Leistungsoptimierung für Mobilgeräte weiter.

Ein Repository zum Speichern von Modellen, die zwischen verschiedenen Frameworks konvertiert wurden. Unterstützte Frameworks sind TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite (Float32/16/INT8), EdgeTPU, CoreML.

TFDS ist eine Sammlung von Datensätzen, die sofort einsatzbereit für TensorFlow, Jax und mehr sind.

Tengine ist eine schlanke, hochleistungsfähige, modulare Inferenz-Engine für eingebettete Geräte

Eine saubere Implementierung basierend auf AlphaZero für jedes Spiel in jedem Framework + Tutorial + Othello/Gobang/TicTacToe/Connect4 und mehr

Probabilistisches Schließen und statistische Analyse in TensorFlow

Effiziente KI-Backbones einschließlich GhostNet, TNT und MLP, entwickelt vom Huawei Noah's Ark Lab.

Eine Bibliothek für wissenschaftliches maschinelles Lernen und physikinformiertes Lernen

CNN-RNN chinesische Textklassifikation, basierend auf TensorFlow