deep-learning

Algorithmes d'apprentissage par imitation

Tout ce que vous voulez savoir sur Google Cloud TPU

LCNN : Analyse de fil de fer de bout en bout

Implémentation en Julia de modèles Transformer

[ECCV 2022 Oral] OpenLane : un jeu de données réaliste de voies 3D à grande échelle

Nous connaissons bien les GAN pour leur succès dans la génération d'images réalistes. Cependant, ils peuvent être appliqués à la génération de données tabulaires. Nous passerons en revue et examinerons quelques articles récents sur les GAN tabulaires en action.

Ressources pour l'apprentissage automatique et l'apprentissage profond

Division des fichiers en traits et segments .py. Il suffit d'entrer les données de prix haut et bas des chandeliers pour réaliser automatiquement la division en traits, segments, centres, points d'achat/vente et types de tendance. Le fichier sh.csv peut être utilisé comme fichier d'entrée. CV personnel dans .pdf.

Représentation de coordonnées consciente de la distribution pour l'estimation de pose humaine

[NeurIPS 2021] Repenser les réseaux spatio-temporels avec une meilleure couverture mémoire pour une segmentation vidéo efficace d'objets

Collection de travaux visant à réduire la taille des modèles ou l'accélérateur ASIC/FPGA pour le machine learning.

Interface R pour Torch

Une liste complète d'excellents articles sur la rectification d'images de documents.

Simulateur humain-véhicule

[WSDM'2024 Oral] "SSLRec: A Self-Supervised Learning Framework for Recommendation"

Publication du code pour « Non-stationary Transformers: Exploring the Stationarity in Time Series Forecasting » (NeurIPS 2022), https://arxiv.org/abs/2205.14415

[ICML 2023] L'implémentation officielle de l'article « TabDDPM: Modelling Tabular Data with Diffusion Models »

Articles, implémentations, jeux de données et outils liés à la détection de communautés profonde et conventionnelle.

Modèles de langage et de fondation à grande échelle pour les séries temporelles.

Apprentissage par renforcement profond (PPO) dans la conduite autonome (Carla) [depuis zéro]

Implémentation PyTorch de réseau de neurones bayésien [torchbnn]

Flame est un système d'IA multimodal open-source conçu pour traduire des maquettes de design d'UI en code React de haute qualité. Il exploite la modélisation vision-langage, la synthèse automatisée de données et des flux de travail d'entraînement structurés pour combler le fossé entre le design et le développement front-end.

Code officiel pour l'article ECCV 2024 — One-Shot Diffusion Mimicker for Handwritten Text Generation

[AAAI2024] FontDiffuser : génération de polices one-shot via diffusion par débruitage avec agrégation de contenu multi-échelle et apprentissage contrastif de style

Implémentation en Pytorch d'une couche unique du MMDiT, proposée dans Stable Diffusion 3.

Liste impressionnante d'agents AGI.

Réseau de neurones artificiels

CRSLab est une boîte à outils open source pour créer des systèmes de recommandation conversationnels (CRS).

TorchANI 2.0 est une bibliothèque open-source qui prend en charge l'entraînement, le développement et la recherche de potentiels interatomiques de réseaux de neurones de type ANI. Elle a été développée à l'origine et est actuellement maintenue par le groupe Roitberg.

Découvrez des modèles préentraînés pour le deep learning dans MATLAB