deep-learning

Le paquet Python officiel de Roboflow. Gérer vos jeux de données, modèles et déploiements. Roboflow fournit tout ce dont vous avez besoin pour créer une application de vision par ordinateur.

:fire: Utilisez des modèles pré-entraînés dans PyTorch pour extraire des embeddings vectoriels de n'importe quelle image.

Kaggle datascience bowl 2017

Boîte à outils pour le traitement d'images de lames entières à grande échelle.

Diapositives, notes d'articles, notes de cours, articles de blog et recherches sur le ML 📉, les statistiques 📊 et l'IA 🤖.

[IGARSS'22] : Un réseau siamois basé sur Transformer pour la détection de changements.

Un moteur de navigation visuelle propulsé par le deep learning pour permettre la navigation autonome de quadricoptères de poche - exécuté sur PULP

Hierarchical Image Pyramid Transformer - CVPR 2022 (Oral)

Cours complets d'IA dispensés par Humai

Optimisation non linéaire (recherche de racines, moindres carrés, ...) dans JAX+Equinox. https://docs.kidger.site/optimistix/

Une implémentation du codage positionnel 1D, 2D et 3D dans PyTorch et TensorFlow

DiffSharp : programmation fonctionnelle différentiable

La bibliothèque d'AutoML la plus propre au monde ✨ - Effectuez l'optimisation des hyperparamètres avec les bonnes abstractions de pipeline pour concevoir des pipelines de production de deep learning propres. Attribuez des espaces d'hyperparamètres aux étapes de votre pipeline. Concevez les étapes de votre pipeline comme des composants. Compatible avec Scikit-Learn, TensorFlow et la plupart des autres bibliothèques, frameworks et environnements MLOps.

Un cadre d'apprentissage profond pour le suivi de posture multi-animal

Bibliothèque Python pour l'analyse des visages à l'aide de PyTorch

Extraction d'événements basée sur les arrêts judiciaires et leurs applications, y compris le découpage en tokens, l'étiquetage de parties du discours, la reconnaissance d'entités nommées, l'extraction d'éléments d'événement et la prédiction des résultats du jugement, etc.

Détecteurs, traqueurs et SAM de Computer Vision faciles et modulaires - Exécutez YOLOv9, v8, v7, v6, v5, R, X en moins de 10 lignes de code.

Ce dépôt fournit une liste complète de jeux de données de satellites radar et optiques sélectionnés pour la détection, la classification, la segmentation sémantique et la segmentation d'instances de navires. Ces jeux de données sont idéaux pour les applications en vision par ordinateur, machine learning, télédétection et analyse maritime.

Bibliothèque d'apprentissage profond TinyML, compilateur et framework d'inférence indépendants des fournisseurs pour micro-ordinateurs et microcontrôleurs

Solutions des exercices de "Plongez dans le Deep Learning", site de lecture en ligne :

Une implémentation du modèle BERT et de ses tâches en aval associées basée sur le framework PyTorch. @跟我学机器学习

Livres et autres ressources

Un sous-ensemble des modules de réseaux de neurones de PyTorch, écrits en Python avec le Triton d'OpenAI.

Notes du cours "Machine Learning 2021 Spring" du Professeur Hung-yi Lee de l'Université Nationale de Taïwan (NTU).

🎉 PILOT : Une boîte à outils d'apprentissage continu basée sur des modèles pré-entraînés.

Dépôt de l'article "A Systematic Evaluation of Deep Anomaly Detection Methods for Time Series".

Traitement du signal d'image par IA et photographie computationnelle. Bibliothèque officielle pour les défis NTIRE (CVPR) et AIM (ICCV/ECCV). Vous y trouverez des ISP appris, la restauration-suréchantillonnage-reconstruction RAW, l'amélioration d'images, le rendu de bokeh et plus encore !

Recherche sémantique hors ligne texte-image et image-image sur Android, optimisée par un modèle pré-entraîné vision-langage CLIP quantifié de pointe et le moteur d'inférence ONNX Runtime

Ce projet vise à fournir aux ingénieurs en algorithmes travaillant dans le domaine VLA (Vision-Language-Action) un manuel d'apprentissage et d'entretien pratique entièrement en chinois, axé sur les défis spécifiques à la robotique.

Deep Learning Simplified est un dépôt open source contenant des projets de deep learning de niveau débutant à avancé pour les contributeurs souhaitant débuter dans ce domaine. URL Devfolio : https://devfolio.co/projects/deep-learning-simplified-f013