tensorflow

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

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.

💁 Fantastische Sammlung von Transformers-Modellen für die natürliche Sprachverarbeitung mit Papers, Videos, Blogs, offiziellem Repository sowie Colab-Notebooks. 🛫☑️

Eine Deep-Learning-Bibliothek für die Klassifizierung von EEG-Aufgaben (Signalen), basierend auf TensorFlow.

Beispiele für Intel® oneAPI Toolkits

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

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

Beispiele und Tools für Windows ML.

TensorFlow 101: Einführung in Deep Learning

Schwarz-Weiß-Bilder mit Deep Learning kolorieren.

Analytische neuronale Netze für kontinuierliche Zeit

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

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

Schnelles und einfaches ressourcenbeschränktes Lernen von Deep-Network-Strukturen

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

Quellcode für das Buch „Reinforcement Learning: Theory and Python Implementation“

Training neuronaler Modelle mit strukturierten Signalen.

:zap: TensorFlowASR: Fast dem Stand der Technik entsprechende automatische Spracherkennung in Tensorflow 2. Unterstützte Sprachen, die Zeichen oder Subwörter verwenden können

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

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.

Erstellung eines chinesischen Dialogsystems basierend auf der neuesten Version von Rasa

Jetson Nano mit Ubuntu 20.04 Image

Bolt ist eine Deep-Learning-Bibliothek mit hoher Leistung und heterogener Flexibilität.

VGGFace-Implementierung mit dem Keras Framework

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

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.