keras

Visualiseur pour réseaux de neurones, deep learning et modèles de machine learning.

⚡ Une barre de progression rapide et extensible pour Python et CLI

Livre interactif sur le deep learning incluant code multi-framework, mathématiques et discussions. Adopté par 500 universités dans 70 pays, dont Stanford, MIT, Harvard et Cambridge.

Notebooks Python pour la science des données : Deep learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, fondamentaux de Python, AWS et diverses lignes de commande.

Mask R-CNN pour la détection d'objets et la segmentation d'instances avec Keras et TensorFlow

ncnn est un framework d'inférence de réseaux de neurones haute performance optimisé pour les plateformes mobiles

🏆 Une liste classée des meilleures bibliothèques Python pour le machine learning. Mise à jour hebdomadaire.

Standard ouvert pour l'interopérabilité de l'apprentissage automatique (machine learning).

Un réseau de neurones qui transforme une maquette de design en site web statique.

Feuille de route pour l'apprentissage de l'intelligence artificielle, regroupant près de 200 cas pratiques et projets, avec supports pédagogiques gratuits. Idéal pour débutants et professionnels. Couvre Python, mathématiques, machine learning, analyse de données, deep learning, vision par ordinateur, traitement du langage naturel et autres domaines populaires.

La plateforme de développement IA. Utilisez Weights & Biases pour entraîner et affiner vos modèles, et gérez-les de l'expérimentation à la production.

Bibliothèque AutoML pour l'apprentissage profond

Système de reconnaissance vocale chinoise basé sur l'apprentissage profond.

Un cours sur l'apprentissage par renforcement en conditions réelles

Plateforme tout-en-un pour le trading boursier assisté par IA : apprentissage, simulation et trading réel. Inclut des connaissances boursières, des stratégies, des grands modèles, du machine learning, du deep learning, du renforcement, des réseaux de neurones sur graphes, du trading haute fréquence et des déploiements C++.

Configurez et personnalisez votre environnement de deep learning en quelques secondes.

MMdnn est un ensemble d'outils facilitant l'interopérabilité entre différents frameworks de deep learning, tels que la conversion et la visualisation de modèles entre Caffe, Keras, MXNet, Tensorflow, CNTK, PyTorch, Onnx et CoreML.

T81-558 : Keras - Applications des réseaux de neurones profonds à l'Université Washington de Saint-Louis

Outils pour concevoir ou visualiser l'architecture de réseaux de neurones.

Modèle Keras pour générer du code HTML à partir de maquettes de sites web dessinées à la main. Implémente une architecture de légendage d'images pour les images sources dessinées.

U-Net pour la segmentation d'images

Modèles de segmentation avec backbones pré-entraînés. Keras et TensorFlow Keras.

Dépôt pour stocker des modèles convertis entre divers frameworks, notamment TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite, EdgeTPU et CoreML.

Une implémentation propre basée sur AlphaZero pour n'importe quel jeu dans n'importe quel framework + tutoriel + Othello/Gobang/TicTacToe/Connect4 et plus.

Dans ce dépôt, je partage des notes et des références utiles sur le déploiement de modèles basés sur l'apprentissage profond en production

Résumé de modèle PyTorch similaire à model.summary() dans Keras

Liste exhaustive de tutoriels sur le Deep Learning, l'intelligence artificielle et le Machine Learning, couvrant des domaines comme la vision par ordinateur, le NLP et des secteurs industriels tels que l'énergie, l'automobile, la santé et l'éthique

Infrastructure IA / Orchestration IA / Plan de contrôle IA

Articles sur l'apprentissage automatique, archivés depuis MachineCurve.com.

Plateforme matérielle et logicielle open source pour construire une voiture autonome à petite échelle.