deep-neural-networks

Auto-encodeur variationnel implémenté en tensorflow et pytorch (incluant le flux autorégressif inverse).

Diagrammes pour visualiser l'architecture des réseaux de neurones

Élagage de canaux pour l'accélération de réseaux de neurones très profonds (ICCV'17)

Une bibliothèque adversarial PyTorch pour les méthodes d'attaque et de défense sur les images et les graphes

Dépôt compagnon de GANs in Action : Deep learning avec les réseaux antagonistes génératifs

Implémentation agnostique au framework pour des méthodes de saillance de pointe (XRAI, BlurIG, SmoothGrad, et plus).

[ICML2024 (Oral)] Implémentation PyTorch officielle de DoRA : Weight-Decomposed Low-Rank Adaptation.

Apprenez le deep learning avec tensorflow 2.0, keras et python grâce à cette série de tutoriels complète. Apprenez le deep learning à partir de zéro.

Livre sur le Machine Learning Q and AI

Un compilateur polyédrique pour exprimer des algorithmes de parallélisme de données rapides et portables

Collection de méthodes récentes sur la compression et l'accélération des réseaux de neurones (profonds).

Compression de données dans TensorFlow.

Détecter le langage de programmation d'un code source.

Pile ADAS L2 gratuite et entièrement open source basée sur une technologie d'IA de bout en bout

TinyNeuralNetwork est un framework de compression de modèles d'apprentissage profond efficace et facile à utiliser.

Une liste organisée de JEUX DE DONNÉES, BASES DE CODE et ARTICLES sur l'apprentissage multi-tâches (MTL), du point de vue de l'apprentissage automatique.

Ce dépôt contient une collection d'enquêtes, de jeux de données, d'articles et de codes pour l'estimation de l'incertitude prédictive dans les modèles d'apprentissage profond.

Apprentissage profond descriptif

Exemple d'apprentissage automatique avec TensorFlow Lite sur Android

Interprète en langue des signes utilisant le flux vidéo en direct de la caméra

Une bibliothèque simple pour créer des réseaux de neurones complexes

NeuPy est une bibliothèque Python basée sur TensorFlow pour le prototypage et la construction de réseaux de neurones

Exemple de prédiction de séries temporelles multivariées multiples avec des réseaux de neurones récurrents LSTM en Python avec Keras.

Une liste organisée (et récente) de ressources sur l'apprentissage avec des étiquettes bruitées (Learning with Noisy Labels).

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

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

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

ML-capsule est un projet destiné aux débutants et aux passionnés de data science, qu'ils aient ou non un mentor ou une orientation, et souhaitent apprendre le machine learning. En utilisant notre dépôt, ils peuvent apprendre le ML, le DL et de nombreuses technologies connexes à travers différents projets concrets et se préparer aux entretiens.

Ce dépôt contient le code d'évaluation pour l'article "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI"

Animation de personnages 3D automatique utilisant des techniques d'estimation de pose et de génération de repères