deep-learning

Ressources, pratique et recherche en apprentissage automatique et IA agentique

La 3e édition du cours fast.ai

Torchreid : réidentification de personnes par apprentissage profond avec PyTorch.

Je suis convaincu que les étudiants de troisième cycle et les chercheurs d'emploi, auxquels ce livre est principalement destiné, tireront profit de sa lecture ; j'espère toutefois que même les chercheurs les plus expérimentés le trouveront fascinant.

Un framework open-source pour le prompt-learning.

Boîte à outils de visualisation pour le deep learning (PaddlePaddle)

Réseaux de neurones convolutifs densément connectés, CVPR 2017 (Best Paper Award).

Un framework d'apprentissage profond agnostique au moteur en Java

Langage de programmation probabiliste dans TensorFlow. Modèles génératifs profonds, inférence variationnelle.

🌟 100+ schémas originaux sur les LLM / RL 📚, présentés par l'auteur de « Algorithmes de grands modèles » ! 💥

MegEngine est un framework d'apprentissage profond rapide, extensible, facile à utiliser et prenant en charge la différenciation automatique

Bibliothèque de haut niveau pour faciliter l'entraînement et l'évaluation de réseaux de neurones dans PyTorch de manière flexible et transparente

Entraînement sur cifar100 (ResNet, DenseNet, VGG, GoogleNet, InceptionV3, InceptionV4, Inception-ResNetv2, Xception, Resnet In Resnet, ResNext, ShuffleNet, ShuffleNetv2, MobileNet, MobileNetv2, SqueezeNet, NasNet, Residual Attention Network, SENet, WideResNet)

Connaissances, code et approches pour les compétitions en exploration de données, vision par ordinateur, traitement du langage naturel et systèmes de recommandation.

Une collection de fiches mémo, livres, questions et portfolios pour la préparation aux entretiens DS/ML.

Boîte à outils OpenMMLab pour la détection, la reconnaissance et la compréhension de texte.

LightGlue : mise en correspondance de caractéristiques locales à la vitesse de la lumière (ICCV 2023)

Détendez-vous ! Flux est la bibliothèque ML qui ne vous fait pas stresser

Guide sur le Prompt Engineering, l'IA générative et les LLM par Learn Prompting | Rejoignez notre discord pour la plus grande communauté d'apprentissage du Prompt Engineering

Pile logicielle de Google DeepMind pour la simulation physique et les environnements d'apprentissage par renforcement, utilisant MuJoCo.

Implémentation JAX du modèle Whisper d'OpenAI, offrant jusqu'à 70x plus de vitesse sur TPU.

Liste organisée de ressources Python pour la science des données.

Guide pour construire des systèmes de deep learning de niveau production destinés à des applications réelles.

Moteur d'inférence rapide pour les modèles Transformer

Suppression du bruit utilisant le filtrage profond.

TNN : développé par Tencent Youtu Lab et Guangying Lab, un framework d'inférence de deep learning uniforme pour mobile, desktop et serveur. TNN se distingue par sa compatibilité multiplateforme, ses hautes performances, la compression de modèles et l'élagage de code. Basé sur ncnn et Rapidnet, TNN renforce le support et l'optimisation des performances pour les appareils mobiles.

🤗 AutoTrain Advanced

Implémentation prête à l'emploi de Tree of Thoughts : résolution délibérée de problèmes avec des grands modèles de langage, améliorant le raisonnement du modèle d'au moins 70 %

[ECCV 2022] Implémentation officielle de BEVFormer, un framework basé uniquement sur caméra pour la perception en conduite autonome, incluant la détection d'objets 3D et la segmentation de cartes sémantiques.

« Grands modèles de langage » par Zhao Xin, Li Junyi, Zhou Kun, Tang Tianyi et Wen Jirong