keras

Una versión empaquetada y flexible del detector de texto CRAFT y el modelo de reconocimiento Keras CRNN.

CREPE: Una representación convolucional para la estimación de tono (Pitch Estimation) -- modelo preentrenado (ICASSP 2018)

Gráfico de pérdida de entrenamiento en tiempo real en Jupyter Notebook para Keras, PyTorch y otros.

ktrain es una biblioteca de Python que hace que el aprendizaje profundo y la IA sean más accesibles y fáciles de aplicar

Implementación en Keras de "One pixel attack for fooling deep neural networks" utilizando evolución diferencial en Cifar10 e ImageNet.

Plantilla de aplicación de clasificación de imágenes sencilla y atractiva. Despliega tu propio modelo entrenado o uno preentrenado (VGG, ResNet, Densenet) en una aplicación web usando Flask en 10 minutos.

Un framework para utilizar LSTM en la detección de anomalías en series temporales multivariantes. Incluye datos de anomalías de naves espaciales y experimentos de las misiones Mars Science Laboratory y SMAP.

ONNXMLTools permite la conversión de modelos a ONNX

Una biblioteca ligera de solo cabecera para usar modelos de Keras (TensorFlow) en C++.

Modifica código Python mientras se ejecuta sin perder el estado.

Ejemplos y herramientas para Windows ML.

torchview: visualización de modelos de PyTorch.

Salidas y gradientes de capas en Keras. Simplificado.

Coloreado de imágenes en blanco y negro mediante aprendizaje profundo.

Reconocimiento de gestos mediante CNN. Implementado en Keras + Tensorflow/Theano + OpenCV.

Métodos de interpretabilidad para modelos de tf.keras con Tensorflow 2.x

Entrenamiento de modelos neuronales con señales estructuradas

Una herramienta para convertir archivos ONNX a LiteRT/TFLite/TensorFlow, código nativo de PyTorch (nn.Module), TorchScript (.pt), state_dict (.pt), Exported Program (.pt2) y Dynamo ONNX. También admite la conversión directa de LiteRT a PyTorch.

Centro de modelos preentrenados para Keras 3.

Aprende deep learning con tensorflow 2.0, keras y python a través de esta serie completa de tutoriales. Aprende deep learning desde cero. Serie de deep learning para principiantes. Tutoriales de tensorflow, tutorial de tensorflow 2.0, tutorial de deep learning en python.

Implementación de VGGFace con el framework Keras.

kapre: Preprocesadores de audio para Keras.

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.

Una colección curada de recursos de iOS, ML y AR con algunos añadidos de UI.

Aplicación web de predicción bursátil basada en aprendizaje automático y análisis de sentimiento de tweets (claves API incluidas en el código). El front-end de la aplicación web se basa en Flask y Wordpress. La aplicación pronostica los precios de las acciones de los próximos siete días para cualquier acción bajo NASDAQ o NSE ingresada por el usuario. Las predicciones se realizan utilizando tres algoritmos: ARIMA, LSTM y Regresión Lineal.

Transformadas de dispersión wavelet en Python con aceleración por GPU

Un intérprete de lenguaje de señas que utiliza una transmisión de video en vivo desde la cámara.

Artículos de conferencias destacadas y altamente citados sobre la interpretabilidad de modelos de redes neuronales en el aprendizaje profundo (con código incluido).

Motor de inferencia de aprendizaje automático para microcontroladores y dispositivos embebidos.