deep-learning

Programador de tasa de aprendizaje con calentamiento gradual para PyTorch

CALVIN: un benchmark para el aprendizaje de políticas condicionadas por lenguaje en tareas de manipulación robótica de largo horizonte

FaceXlib tiene como objetivo proporcionar funciones relacionadas con rostros listas para usar basadas en métodos de código abierto STOA actuales.

Imagen de Ubuntu 20.04 para Jetson Nano.

Recursos, ejemplos y tutoriales para IA multimodal, RAG y agentes que utilizan búsqueda vectorial y LLM.

NISQA - Evaluación no intrusiva de la calidad de voz y naturalitud de TTS

Implementación oficial de Diffusion Autoencoders

Blog técnico sobre algoritmos de aprendizaje automático en Python, con contenido original y práctica de código. Para más contenido, siga la cuenta oficial de WeChat "算法进阶".

Artículos de ICCV 2023-2025: Descubre investigación de vanguardia de ICCV 2023-25, la conferencia líder en visión por computadora. Mantente al día con lo último en visión por computadora y deep learning, con código incluido. ¡⭐ apoya el desarrollo de la inteligencia visual!

Libro de preguntas y respuestas sobre Machine Learning.

Modelos Transformer desde BERT hasta GPT-4, entornos desde Hugging Face hasta OpenAI. Ejemplos de ajuste fino, entrenamiento e ingeniería de prompts. Incluye secciones sobre ChatGPT, GPT-3.5-turbo, GPT-4, DALL-E, conversión de voz a texto, texto a voz, generación de imágenes con DALL-E, Google Cloud AI, HuggingGPT y más

Conjuntos de datos de audio para IA (AI-ADS) 🎵, que incluyen voz, música y efectos de sonido, los cuales pueden proporcionar datos de entrenamiento para IA generativa, AIGC, entrenamiento de modelos de IA, desarrollo de herramientas de audio inteligentes y aplicaciones de audio.

TinyChatEngine: Biblioteca de inferencia de LLM en el dispositivo.

NequIP es un código para construir potenciales interatómicos E(3)-equivariantes

Código para detección de objetos 3D en conducción autónoma.

Bolt es una biblioteca de aprendizaje profundo con alto rendimiento y flexibilidad heterogénea.

Colección de métodos recientes sobre compresión y aceleración de redes neuronales (profundas)

[NeurIPS 2020] MCUNet: Aprendizaje profundo diminuto en dispositivos IoT; [NeurIPS 2021] MCUNetV2: Inferencia basada en parches eficiente en memoria para aprendizaje profundo diminuto; [NeurIPS 2022] MCUNetV3: Entrenamiento en dispositivo con menos de 256 KB de memoria.

Universidad de código abierto de aprendizaje automático.

Optimización del aprendizaje por refuerzo con RLOps. Algoritmos y herramientas de RL de vanguardia, con un entrenamiento 10 veces más rápido mediante optimización evolutiva de hiperparámetros.

A-Paper-A-Week

Selección de más de 10,000 proyectos que incluyen aprendizaje automático, aprendizaje profundo, NLP, GNN, sistemas de recomendación, biomedicina, visión artificial, desarrollo frontend y backend, entre otros. ¡Actualización continua!

Gibson Environments: percepción del mundo real para agentes encarnados

[CVPR 2022] Implementación oficial del artículo "Uformer: A General U-Shaped Transformer for Image Restoration".

Biblioteca de Python para aprendizaje por refuerzo.

Implementación oficial en PyTorch de ODISE: Segmentación panóptica de vocabulario abierto con modelos de difusión de texto a imagen [CVPR 2023 Highlight]

Una interfaz uniforme para ejecutar modelos de aprendizaje profundo de múltiples marcos de trabajo.

Deep Speaker: un sistema de incrustación de voz neuronal de extremo a extremo.

Repositorio de Vision Transformer con atención deformable (CVPR2022) y DAT++: Vision Transformer espacialmente dinámico con atención deformable

Modelos SOTA de segmentación semántica en PyTorch