deep-learning

Une boîte à outils pour exécuter des applications Ray sur Kubernetes

Projets de vision par ordinateur (Python, C++, systèmes embarqués)

Journal de bord d'un ingénieur en algorithmes CV, partage de notes sur la vision par ordinateur et la compression de modèles. https://harleyszhang.github.io/cv_note/

Supprimez automatiquement les mosaïques dans les images et vidéos, ou ajoutez-en.

Implémentation en PyTorch d'AudioLM, une approche de modélisation linguistique de pointe pour la génération audio issue de Google Research

EdgeConnect : Inpainting d'images guidé par la structure via la prédiction de contours, ICCV 2019 https://arxiv.org/abs/1901.00212

🐸STT - La boîte à outils de deep learning pour la conversion parole-texte. L'entraînement et le déploiement de modèles STT n'ont jamais été aussi simples.

Bibliothèque de domaine PyTorch pour les systèmes de recommandation

Articles de recherche sur le Deep Learning pour la recherche industrielle, la recommandation et la publicité. Ils se concentrent sur l'embedding, le matching, le pré-classement, le classement, le post-classement, la pertinence, les LLM et l'apprentissage par renforcement.

Une bibliothèque PyTorch pour l'apprentissage multi-tâches.

Boîte à outils de séparation de sources audio basée sur PyTorch pour les chercheurs

Dépôt pour notre nouveau projet de segmentation d'image dichotomique de haute précision.

Framework de calcul GPU polyvalent basé sur Vulkan, prenant en charge des milliers de cartes graphiques multi-fournisseurs (AMD, Qualcomm, NVIDIA, etc.). Ultra-rapide, compatible mobile, asynchrone et optimisé pour le traitement de données GPU avancé. Soutenu par la Linux Foundation.

Convertir des modèles TensorFlow, Keras, Tensorflow.js et Tflite vers ONNX

Serveur et interface en ligne de commande (CLI) de Deep Learning pour Torch et TensorRT

Recherche d'architecture automatique et optimisation des hyperparamètres pour PyTorch

Apprentissage profond décentralisé avec PyTorch, conçu pour entraîner des modèles sur des milliers de volontaires à travers le monde.

Simplification des grands modèles de langage (LLM) ; EasyLM est une solution complète pour le pré-entraînement, le réglage fin, l'évaluation et le service de LLM sous JAX/Flax.

Collection d'articles, de jeux de données, de code et d'autres ressources pour le suivi et la détection d'objets par apprentissage profond

Implémentation de YoloV3 en Tensorflow 2.0.

Algorithmes ML 2 à 2000 fois plus rapides, 50 % d'utilisation mémoire en moins, compatibles avec tout matériel, récent ou ancien.

[AAAI-23 Oral] Implémentation officielle de l'article "Are Transformers Effective for Time Series Forecasting?"

Tutoriels Jupyter Notebook sur la résolution de problèmes réels avec le Machine Learning et le Deep Learning en utilisant PyTorch. Sujets : détection de visages avec Detectron 2, détection d'anomalies de séries temporelles avec des auto-encodeurs LSTM, détection d'objets avec YOLO v5, création de votre premier réseau de neurones, prévision de séries temporelles pour les cas quotidiens de coronavirus, analyse de sentiment avec BERT

Implémentation PyTorch de SimCLR : un framework simple pour l'apprentissage contrastif de représentations visuelles

Publication du code pour "Autoformer: Decomposition Transformers with Auto-Correlation for Long-Term Series Forecasting" (NeurIPS 2021), https://arxiv.org/abs/2106.13008

Image-à-image en une étape avec Stable Diffusion turbo : sketch2image, day2night, et plus encore

Graphormer est une architecture d'apprentissage profond polyvalente pour la modélisation moléculaire.

Synthèse vocale (TTS) en vietnamien avec clonage de voix instantané, exécution locale sur appareil, inférence CPU en temps réel et qualité audio 24kHz.

Métriques d'apprentissage automatique pour les applications PyTorch distribuées et évolutives.

LeetCode pour PyTorch : 65 problèmes d'entretien ML/IA issus d'entretiens réels chez Google, Meta et Anthropic. Inclut des notebooks Jupyter, un auto-correcteur et un tuteur IA MCP.