deep-learning

Génération de jazz basée sur l'apprentissage profond avec Keras et Theano !

🔮 Une approche fonctionnelle rafraîchissante du deep learning, compatible avec vos bibliothèques préférées.

Collection de questions et réponses d'entretiens AIGC/CV/LLM, incluant de nouvelles idées, problèmes, ressources et projets issus de la recherche et du travail.

Outils interactifs pour l'apprentissage automatique, l'apprentissage profond et les mathématiques.

Implémentation d'articles de recherche en 100 lignes de code.

MuZero

Une plateforme d'apprentissage en boucle fermée pour la vision par ordinateur où le code peut être exécuté de manière interactive en ligne.

Un ensemble complet de métriques d'équité pour les jeux de données et les modèles d'apprentissage automatique, incluant des explications et des algorithmes pour atténuer les biais.

Serveur d'inférence open-source et cluster de production pour tous les modèles nécessaires à vos agents.

Reconnaissance vocale automatique multilingue avec horodatages au niveau du mot et indices de confiance

Tutoriels simples et complets sur TensorFlow

[ICLR 2023] Implémentation officielle de l'article "DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection"

Un framework Pythonique pour simplifier la création de services d'IA

Couche d'attention Keras (scores de Luong et Bahdanau).

Activation de PyTorch sur les périphériques XLA (par exemple, Google TPU).

Calculez facilement des embeddings CLIP et construisez un système de recherche basé sur ces derniers.

Ce dépôt contient des articles de recherche annotés que j'ai trouvés particulièrement pertinents et utiles

Traduction automatique : Fondements et modèles par Xiao Tong et Zhu Jingbo.

Liste d'articles, de codes et d'expériences utilisant le deep learning pour la prévision de séries temporelles

Un système de recommandation basé sur l'apprentissage profond

Une liste de projets et d'articles de référence sur les compilateurs pour le calcul tensoriel et l'apprentissage profond

Inférence d'images sans étiquetage (utilisation de modèles de fondation pour entraîner des modèles supervisés).

Reconnaissance optique de caractères pour le texte japonais, avec un accent particulier sur les mangas.

Apprentissage non supervisé pour le recalage d'images

Framework Pytorch pour le deep learning sur les nuages de points.

Réseau de neurones profond pour extraire des informations intelligentes à partir de documents de facturation.

MLNLP : ce dépôt répertorie les articles avec code source ouvert issus de conférences sur l'intelligence artificielle (telles que ACL, EMNLP, NAACL, COLING, AAAI, IJCAI, ICLR, NeurIPS, ICML, etc.).

AIMET est une bibliothèque fournissant des techniques avancées de quantification et de compression pour les modèles de réseaux de neurones entraînés.

[ICLR 2024] Implémentation officielle de "Time-LLM : prévision de séries temporelles par reprogrammation de grands modèles de langage".

Construisez, personnalisez et contrôlez vos propres LLM. Du prétraitement des données au fine-tuning, xTuring offre un moyen simple de personnaliser des LLM open source.