keras

Version packagée et flexible du détecteur de texte CRAFT et du modèle de reconnaissance Keras CRNN

CREPE : Une représentation convolutionnelle pour l'estimation de hauteur tonale (modèle pré-entraîné, ICASSP 2018)

Graphique en temps réel de la perte d'entraînement dans Jupyter Notebook pour Keras, PyTorch et autres.

ktrain est une bibliothèque Python qui rend le deep learning et l'IA plus accessibles et faciles à appliquer

Implémentation Keras de "One pixel attack for fooling deep neural networks" utilisant l'évolution différentielle sur Cifar10 et ImageNet.

Modèle d'application de classification d'images simple et élégant. Déployez votre propre modèle entraîné ou un modèle pré-entraîné (VGG, ResNet, Densenet) sur une application web via Flask en 10 minutes.

Framework utilisant des LSTM pour détecter des anomalies dans des données de séries temporelles multivariées. Inclut des données d'anomalies spatiales et des expériences des missions Mars Science Laboratory et SMAP.

ONNXMLTools permet la conversion de modèles vers ONNX

Une bibliothèque légère, composée uniquement d'en-têtes, pour utiliser des modèles Keras (TensorFlow) en C++.

Modifiez le code Python pendant son exécution sans perdre l'état

Exemples et outils pour Windows ML.

torchview : visualiser les modèles pytorch

Sorties de couches et gradients dans Keras, simplifiés

Colorisation d'images en noir et blanc grâce au deep learning.

Reconnaissance de gestes via CNN, implémentée avec Keras, Tensorflow/Theano et OpenCV

Méthodes d'interprétabilité pour les modèles tf.keras avec Tensorflow 2.x

Entraînement de modèles neuronaux avec des signaux structurés.

Outil de conversion de fichiers ONNX vers LiteRT/TFLite/TensorFlow, code natif PyTorch (nn.Module), TorchScript (.pt), state_dict (.pt), Exported Program (.pt2) et Dynamo ONNX. Supporte également la conversion directe de LiteRT vers PyTorch.

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.

Hub de modèles pré-entraînés pour Keras 3.

Implémentation de VGGFace avec le framework Keras

kapre : préprocesseurs audio pour Keras

Une interface uniforme pour exécuter des modèles de deep learning issus de multiples frameworks.

Deep Speaker : un système de plongement de locuteur neuronal de bout en bout.

Une collection organisée de ressources iOS, ML et AR, agrémentée de quelques ajouts d'interface utilisateur.

Application Web de prédiction boursière basée sur l'apprentissage automatique et l'analyse de sentiment des tweets. Le front-end est basé sur Flask et Wordpress. L'application prévoit les cours des sept prochains jours pour toute action NASDAQ ou NSE saisie par l'utilisateur, en utilisant trois algorithmes : ARIMA, LSTM et régression linéaire.

Transformées en ondelettes avec accélération GPU en Python.

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

Articles de recherche hautement cités et issus de conférences majeures sur l'interprétabilité des modèles de réseaux de neurones en Deep Learning (avec code).

Moteur d'inférence d'apprentissage automatique pour microcontrôleurs et appareils embarqués