neural-networks

Ressources sur l'intelligence artificielle, le machine learning et le deep learning. Notes d'étude et liste organisée de ressources sur ces sujets

Package d'accélération pour les réseaux de neurones sur processeurs multi-cœurs

Réseaux de neurones propulsés par Nx

MiniSom est une implémentation minimaliste de cartes auto-organisatrices (Self Organizing Maps).

Implémentations de haute qualité de méthodes standards et de pointe pour diverses tâches.

Macaw-LLM : Modélisation linguistique multimodale avec intégration d'images, de vidéos, d'audio et de texte.

Une simulation 2D Unity dans laquelle des voitures apprennent à naviguer sur différents parcours. Les voitures sont pilotées par un réseau de neurones à propagation avant. Les poids du réseau sont entraînés à l'aide d'un algorithme génétique modifié.

Brevitas : quantification de réseaux de neurones sous PyTorch

Modèle de deep learning de pointe pour l'analyse des sentiments, des émotions, du sarcasme, etc.

Liste d'articles étudiant l'apprentissage automatique sous l'angle de la théorie des catégories

Liste organisée des meilleures ressources en intelligence artificielle

Calculs et statistiques sur des variétés dotées de structures géométriques.

Framework de deep learning de l'université Koç.

Code pour la perte Lovász-Softmax (CVPR 2018)

Une bibliothèque de tenseurs rapide, ergonomique et portable en Nim, axée sur le deep learning pour CPU, GPU et appareils embarqués via les backends OpenMP, Cuda et OpenCL

Feuille de route et ressources pour la programmation bas niveau

Logiciel ML Arm NN.

Dépôt officiel pour "Mish: A Self Regularized Non-Monotonic Neural Activation Function" [BMVC 2020].

Une bibliothèque JavaScript similaire à PyTorch, avec accélération GPU

Solveurs de réseaux de neurones informés par la physique (PINN) pour les équations différentielles (partielles) destinés à la simulation accélérée par l'apprentissage automatique scientifique (SciML).

pyclustering est une bibliothèque de data mining pour Python et C++.

PDEBench : un benchmark complet pour l'apprentissage automatique scientifique

Une introduction au machine learning basée sur les principes fondamentaux. Pour les ingénieurs souhaitant raisonner sur les systèmes de ML comme ils le font pour les systèmes logiciels.

Un projet pour traiter les réseaux de neurones et les visualiser afin d'obtenir des informations sur l'architecture et les paramètres d'un modèle grâce à une représentation simplifiée.

Une bibliothèque de réseaux de neurones de haut niveau pour microcontrôleurs.

Une liste organisée de ressources en NLP axée sur les réseaux Transformer, les mécanismes d'attention, GPT, BERT, ChatGPT, les LLM et l'apprentissage par transfert.

Bibliothèque de calcul évolutionnaire avancée construite directement sur PyTorch, créée par NNAISENSE.

TensorFlow 101 : Introduction au Deep Learning

Le package nnsight permet d'interpréter et de manipuler les rouages internes des modèles d'apprentissage profond.

Une collection organisée de ressources et de recherches liées à la géométrie des représentations dans le cerveau, les réseaux profonds et au-delà