deep-learning

Code pour l'article "Computation Offloading Optimization for UAV-assisted Mobile Edge Computing: A Deep Deterministic Policy Gradient Approach"

Little Ball of Fur - Une bibliothèque d'extension d'échantillonnage de graphes pour NetworKit et NetworkX (CIKM 2020)

Une liste organisée d'articles sur la recherche arborescente de Monte Carlo avec implémentations.

Workflows de bout en bout sur Google Cloud Platform Vertex AI pour les opérations de machine learning.

[NeurIPS 2020] MCUNet : Apprentissage profond minuscule sur les appareils IoT ; [NeurIPS 2021] MCUNetV2 : Inférence par patchs économe en mémoire pour l'apprentissage profond minuscule

Un langage de programmation probabiliste simple.

HawkEye monoculaire Python open-source pour le tennis

Articles de référence formidables sur le machine learning (deep learning) appliqué aux graphes dynamiques (temporels) (réseaux / graphes de connaissances).

Guide du machine learning. Apprenez tout sur les outils, bibliothèques, frameworks, grands modèles de langage (LLM) et l'entraînement de modèles.

DeepTables : boîte à outils de Deep Learning pour données tabulaires

Modèle Cookiecutter pour projets FastAPI utilisant : Machine Learning, uv, GitHub Actions et Pytests

Modèle Seq2Seq minimal avec mécanisme d'attention pour la traduction automatique neuronale en PyTorch.

Le Hailo Model Zoo comprend des modèles pré-entraînés ainsi qu'un environnement complet de construction et d'évaluation

🦀 Bibliothèque de vision par ordinateur 3D bas niveau en Rust

Code pour Hands-on Unsupervised Learning Using Python (O'Reilly Media)

Implémentation en PyTorch de Voicebox, le nouveau réseau de synthèse vocale (Text-to-speech) SOTA de MetaAI

Tutoriel HPC, incluant la communication collective (MPI, NCCL), la programmation CUDA, la vectorisation SIMD, la communication RDMA, etc.

Une feuille de route ML (Machine Learning) Full Stack implique l'apprentissage des compétences et technologies nécessaires pour maîtriser tous les aspects du machine learning, y compris la collecte et le prétraitement des données, le développement, le déploiement et la maintenance des modèles.

Restauration d'images TEMPEST par apprentissage profond.

Framework de benchmark pour la reconnaissance vocale (speech-to-text)

Ce dépôt contient la plupart des implémentations PyTorch des algorithmes classiques d'apprentissage par renforcement profond, notamment : DQN, DDQN, Dueling Network, DDPG, SAC, A2C, PPO, TRPO. (D'autres algorithmes sont en cours de développement)

Exporter des modèles Hugging Face vers Core ML et TensorFlow Lite

Deep Learning on Flink vise à intégrer Flink et des frameworks de deep learning (ex. TensorFlow, PyTorch, etc.) pour permettre l'entraînement et l'inférence distribués de deep learning sur un cluster Flink.

Suiveurs multi-objets en Python

Algorithmes d'apprentissage automatique pour les systèmes quantiques à N corps

[ECCV] Swin2SR : SwinV2 Transformer pour la super-résolution et la restauration d'images compressées. Atelier Advances in Image Manipulation (AIM) ECCV 2022. Essayez-le ! Plus de 3,3 millions d'exécutions sur https://replicate.com/mv-lab/swin2sr

🙌Kart de 234+ projets basés sur l'apprentissage automatique, apprentissage profond, vision par ordinateur, traitement du langage naturel et tout le reste. Montrez votre soutien en ✨ ce dépôt.

Articles, code et jeux de données sur l'apprentissage profond pour la détection d'objets 3D

🎯 IA de zéro à héros 👑

Prédiction des cours boursiers à l'aide d'un réseau de neurones LSTM (mémoire à long terme) TensorFlow pour la prévision de séries temporelles