deep-learning

Plateforme de ressources pour les entretiens d'ingénieurs en algorithmes AIGC, LLM et agents IA, couvrant l'ensemble du domaine de l'IA.

Une bibliothèque de recommandation unifiée, complète et efficace.

Tutoriels et ressources sélectionnés pour les grands modèles de langage, l'art généré par IA, et plus encore.

Framework de réseau de neurones C++/CUDA ultra-rapide.

Une implémentation propre basée sur AlphaZero pour n'importe quel jeu dans n'importe quel framework + tutoriel + Othello/Gobang/TicTacToe/Connect4 et plus.

[ICCV 2019] Estimation de profondeur monoculaire à partir d'une seule image.

Implémentation officielle de notre article CVPR2019 "Deep High-Resolution Representation Learning for Human Pose Estimation".

[EMNLP 2022] Une boîte à outils ouverte pour l'extraction et la construction de graphes de connaissances

Une boîte à outils de traitement de la parole basée sur l'IA et des modèles pré-entraînés SOTA open source, prenant en charge l'amélioration, la séparation et l'extraction de la voix cible, etc.

Transformez facilement de grands ensembles d'URL d'images en un jeu de données. Capable de télécharger, redimensionner et empaqueter 100 millions d'URL en 20 heures sur une seule machine.

Code d'entraînement LLM pour les modèles de fondation Databricks.

Raisonnement probabiliste et analyse statistique dans TensorFlow.

Notebooks Python avec des exemples de ML et de deep learning utilisant le SDK Azure Machine Learning pour Python | Microsoft.

Une liste organisée de ressources sur l'apprentissage par renforcement à partir de rétroaction humaine (mise à jour continue).

Une liste organisée d'outils de labellisation de données exceptionnels

Une bibliothèque pour l'apprentissage automatique scientifique et l'apprentissage informé par la physique

Simplifiez vos modèles ONNX

Une bibliothèque rapide pour l'AutoML et le réglage. Rejoignez notre Discord : https://discord.gg/Cppx2vSPVP.

Dans ce dépôt, je partage des notes et des références utiles sur le déploiement de modèles basés sur l'apprentissage profond en production

Ce projet reproduit le livre Dive Into Deep Learning (https://d2l.ai/) en adaptant le code de MXNet vers PyTorch.

Notes, exercices de programmation et quiz de tous les cours de la spécialisation Deep Learning de Coursera proposée par deeplearning.ai : (i) Réseaux de neurones et Deep Learning ; (ii) Amélioration des réseaux de neurones profonds : réglage des hyperparamètres, régularisation et optimisation ; (iii) Structuration de projets de Machine Learning ; (iv) Réseaux de neurones convolutifs ; (v) Modèles de séquences.

Feuille de route complète pour la science des données

NeuralProphet : un package de prévision simple.

Métrique LPIPS. pip install lpips

Algorithmes de prévision neuronale évolutifs et conviviaux.

LightLLM est un framework d'inférence et de service LLM (Large Language Model) basé sur Python, reconnu pour sa conception légère, sa facilité d'évolutivité et ses hautes performances.

Documentation chinoise de PyTorch.

Modèle fondamental pour une synthèse vocale (TTS) expressive et naturelle.

La localisation visuelle simplifiée avec hloc.

Compilation de ressources d'apprentissage sur ChatGPT, mise à jour en continu...