deep-learning

Accélérateurs de solutions Azure MLOps (v2). Modèles prêts pour l'entreprise pour déployer vos modèles de machine learning sur la plateforme Azure.

Cycle de vie complet d'un projet de science des données.

Suivi d'objets YOLOv7 utilisant PyTorch, OpenCV et Sort Tracking

Liaison Go pour l'API C++ de PyTorch (libtorch).

Un moteur d'inférence onnx léger, portable en pur C99 pour appareils embarqués avec support de l'accélération matérielle.

Wav2Lip version 288 et pipeline d'entraînement

Implodémentation de PFLD (A Practical Facial Landmark Detector), référence à https://arxiv.org/pdf/1902.10859.pdf

Ceci est une liste de documents exceptionnels sur le flux optique et les travaux associés.

Estimateur de pose pour une seule personne, léger

Apprentissage actif pour la classification de texte en Python

Construisez votre propre X - Maîtrisez le machine learning en créant tout à partir de zéro. Conçu pour couvrir tous les sujets, de la régression linéaire au deep learning et aux grands modèles de langage (LLMs).

Notes et ressources sur la modélisation mathématique, l'apprentissage automatique, le deep learning et les grands modèles (mise à jour continue)

ICLR 2020 : Réseaux de convolution de graphiques multirelationnels basés sur la composition

PyTensor permet de définir, d'optimiser et d'évaluer efficacement des expressions mathématiques impliquant des tableaux multidimensionnels.

Jeu de données Exclusively Dark (ExDARK), qui est à notre connaissance la plus grande collection d'images en basse lumière prises dans des environnements très sombres jusqu'au crépuscule (soit 10 conditions différentes) à ce jour, avec des annotations par classe d'image et par objet.

Une collection de jeux de données pour la segmentation et la détection de saillance. Contributions bienvenues... :smile:

AnyLoc : Reconnaissance de lieux visuels universelle (RA-L 2023)

Ce code accompagne l'article Trading with the Momentum Transformer: An Intelligent and Interpretable Architecture (https://arxiv.org/pdf/2112.08534.pdf).

TorchOpt est une bibliothèque efficace d'optimisation différentiable construite sur PyTorch

Package de dynamique des fluides différentiable

[NeurIPS 2021] Benchmarks multi-échelles pour l'apprentissage de représentations multimodales

Ce dépôt rassemble du code encapsulant des algorithmes couramment utilisés dans le domaine du machine learning. La plupart sont basés sur Numpy, Pandas ou Torch. Vous pouvez approfondir votre compréhension des modèles et algorithmes associés ou les modifier pour obtenir votre propre code personnalisé en vous référant à ce dépôt.

Une plateforme expérimentale pour l'apprentissage fédéré.

Implémentation officielle de "Blended Latent Diffusion" [SIGGRAPH 2023]

API pour exécuter VirtualHome, un simulateur de foyer multi‑agents

TransMorph : Transformer pour l'enregistrement d'images médicales non supervisé (PyTorch)

Implémentation / Tutoriel sur l'utilisation de méthodes d'apprentissage automatique automatisé (AutoML) pour l'apprentissage statique/par lots et en ligne/continu

Implémentation officielle de l'article CVPR 2022 "Neural RGB-D Surface Reconstruction"

Rejoignez la communauté sur Discord pour plus de discussions autour de Neutone ! https://discord.gg/VHSMzb8Wqp

🔥 Détection d'objets 3D en nuage de points & segmentation sémantique (Deep Learning) - Méthodes SOTA, code, articles, jeux de données, etc.