deep-learning

Por favor, no alimente a los modelos

Biblioteca de aprendizaje activo bayesiano para casos de uso de investigación e industriales.

Implementación de Band Split Roformer, una red de atención SOTA para la separación de fuentes de música de ByteDance AI Labs.

BladeDISC es un proyecto de compilador de formas dinámicas (Dynamic Shape Compiler) de extremo a extremo para cargas de trabajo de aprendizaje automático.

cuDNN Frontend es el punto de entrada moderno y de código abierto de NVIDIA a la biblioteca cuDNN y a una creciente colección de kernels de alto rendimiento.

Medical SAM 2: Segmentación de imágenes médicas en 3D mediante Segment Anything Model 2.

Artículos sobre transformadores de grafos.

Un servidor de inferencia escalable para modelos optimizados con OpenVINO™.

Espacio de trabajo matemático para reconocimiento de fórmulas y edición de Office | Conversión de escritura a mano y PDF a LaTeX/Markdown, con tecnología de MathCraft OCR y MathLive

[ICLR 2024] Implementación oficial en PyTorch de FasterViT: Vision Transformers rápidos con atención jerárquica.

Un contenedor flexible y de alto rendimiento para modelos de aprendizaje automático (framework de despliegue de servicios PaddlePaddle)

Compresión de datos en TensorFlow

[CVPR 2024 Oral] Repensando los sesgos inductivos para la estimación de normales de superficie

😇 Una implementación en PyTorch del modelo DeepMoji: un modelo de aprendizaje profundo de vanguardia para analizar sentimientos, emociones, sarcasmo, etc.

Este proyecto extiende la idea de la arquitectura innovadora de Kolmogorov-Arnold Networks (KAN) a las capas convolucionales, cambiando la transformación lineal clásica de la convolución por activaciones no lineales aprendibles en cada píxel.

MindSpore + 🤗Huggingface: Ejecute cualquier modelo de Transformers/Diffusers en MindSpore con compatibilidad y aceleración perfectas.

Implementación de Muse: generación de texto a imagen mediante Masked Generative Transformers, en PyTorch

Guía de supervivencia para ingenieros de aprendizaje profundo

Modelos fundamentales para genómica y transcriptómica.

Otro chatbot en chino implementado en PyTorch, que es un submódulo de un robot inteligente de procesamiento de órdenes de trabajo

El repositorio contiene scripts y notebooks relacionados con estadística, aprendizaje automático, redes neuronales, aprendizaje profundo, PNL, métodos numéricos y automatización.

GeoCalib: Aprendizaje de calibración de imagen única con optimización geométrica (ECCV 2024)

Caja de herramientas de algoritmos de IA offline gratuita para Java, que admite reconocimiento facial, detección de vida, reconocimiento de expresiones, detección de objetos, segmentación de instancias, detección de peatones, OCR, reconocimiento de matrículas, reconocimiento de tablas, ASR+TTS, traducción automática y más. Se utiliza mediante Maven. Compatible con PyTorch y Tensorflow, e integra modelos como Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5) y Whisper.

Detecta el lenguaje de programación de un código fuente

NVIDIA Merlin es una biblioteca de código abierto que proporciona sistemas de recomendación acelerados por GPU de extremo a extremo, desde la ingeniería de características y el preprocesamiento hasta el entrenamiento de modelos de aprendizaje profundo y la ejecución de inferencias en producción.

TextGAN es un framework de PyTorch para modelos de generación de texto basados en Redes Neuronales Generativas Antagónicas (GANs).

Similarities: un kit de herramientas para el cálculo de similitud y búsqueda semántica. Soporta búsqueda de texto a texto, texto a imagen e imagen a imagen a escala de cientos de millones de datos, desarrollado en Python 3 y listo para usar.

3DMatch: un descriptor geométrico local basado en 3D ConvNet para alinear mallas 3D y nubes de puntos.

Un framework de alto rendimiento para servir modelos de ML, que ofrece procesamiento por lotes dinámico y pipelines de CPU/GPU para aprovechar al máximo su equipo de cómputo

Los Transformers son modelos de mundo con eficiencia de muestreo. ICLR 2023, destacado en el top 5%.