deep-learning

Aceleradores de soluciones Azure MLOps (v2). Plantillas listas para empresas para implementar sus modelos de aprendizaje automático en la plataforma Azure.

Seguimiento de objetos YOLOv7 utilizando PyTorch, OpenCV y Sort Tracking.

Ciclo de vida completo de un proyecto de ciencia de datos

Motor de inferencia ONNX ligero, portátil y en C99 puro para dispositivos integrados con soporte de aceleración por hardware.

Binding de Go para la API de C++ de PyTorch (libtorch)

Wav2Lip versión 288 y pipeline para entrenamiento

Implementación de PFLD (A Practical Facial Landmark Detector), referencia a https://arxiv.org/pdf/1902.10859.pdf

Aprendizaje activo para clasificación de texto en Python

Estimador de pose para una sola persona ligero

Una lista de artículos destacados sobre flujo óptico y trabajos relacionados.

Notas y recursos sobre modelado matemático, aprendizaje automático, aprendizaje profundo y modelos de lenguaje a gran escala (actualización continua).

Build your own X: domina el aprendizaje automático construyendo todo desde cero. Cubre desde regresión lineal hasta aprendizaje profundo y modelos de lenguaje grandes (LLMs).

ICLR 2020: Redes neuronales convolucionales de grafos multirrelacionales basadas en composición

PyTensor permite definir, optimizar y evaluar eficientemente expresiones matemáticas que involucran matrices multidimensionales.

Una colección de conjuntos de datos para segmentación y detección de prominencia. Las solicitudes de extracción (PR) son bienvenidas.

El conjunto de datos Exclusively Dark (ExDARK), que hasta donde sabemos, es la colección más grande de imágenes con poca luz tomadas en entornos de muy baja iluminación hasta el crepúsculo (10 condiciones diferentes) a la fecha, con anotaciones a nivel de clase de imagen y de objeto.

AnyLoc: Reconocimiento visual universal de lugares (RA-L 2023).

Este código acompaña al artículo Trading with the Momentum Transformer: An Intelligent and Interpretable Architecture (https://arxiv.org/pdf/2112.08534.pdf).

TorchOpt es una biblioteca eficiente para optimización diferenciable construida sobre PyTorch.

Paquete de dinámica de fluidos diferenciable

[NeurIPS 2021] Benchmarks multiescala para el aprendizaje de representación multimodal

Este repositorio recopila códigos que encapsulan algoritmos de uso común en el campo del aprendizaje automático. La mayoría se basan en Numpy, Pandas o Torch. Puede profundizar su comprensión de los modelos y algoritmos relacionados o modificarlos para obtener código personalizado consultando este repositorio.

Una plataforma experimental para aprendizaje federado.

API para ejecutar VirtualHome, un simulador de hogar multi-agente

Implementación oficial de "Blended Latent Diffusion" [SIGGRAPH 2023]

TransMorph: Transformer para el registro de imágenes médicas no supervisado (PyTorch)

Implementación/Tutorial sobre el uso de métodos de aprendizaje automático automatizado (AutoML) para aprendizaje estático/por lotes y en línea/continuo.

Implementación oficial del artículo de CVPR 2022 "Neural RGB-D Surface Reconstruction".

Únete a la comunidad en Discord para más discusiones sobre Neutone: https://discord.gg/VHSMzb8Wqp

🔥 Detección de objetos y segmentación semántica de nubes de puntos 3D (Deep Learning): métodos SOTA, código, artículos y conjuntos de datos