deep-learning

Keras और Theano का उपयोग करके डीप लर्निंग-संचालित जैज़ जनरेशन!

🔮 आपकी पसंदीदा लाइब्रेरी के साथ संगत, डीप लर्निंग पर एक ताज़ा कार्यात्मक दृष्टिकोण

AIGC-interview/CV-interview/LLMs-interview साक्षात्कार प्रश्नों और उत्तरों का संग्रह, जिसमें काम और अनुसंधान प्रक्रिया के नए विचार, नए प्रश्न, नए संसाधन और नई परियोजनाएं भी शामिल हैं

मशीन लर्निंग, डीप लर्निंग और गणित के लिए इंटरैक्टिव टूल्स

100 लाइनों के कोड में पेपर का कार्यान्वयन।

MuZero

डेटासेट और मशीन लर्निंग मॉडल के लिए निष्पक्षता मेट्रिक्स का एक व्यापक सेट, इन मेट्रिक्स के लिए स्पष्टीकरण, और डेटासेट और मॉडल में पूर्वाग्रह को कम करने के लिए एल्गोरिदम।

एक कंप्यूटर विज़न क्लोज्ड-लूप लर्निंग प्लेटफ़ॉर्म जहाँ कोड को ऑनलाइन इंटरैक्टिव रूप से चलाया जा सकता है।

आपके एजेंट को आवश्यक सभी मॉडलों के लिए ओपन-सोर्स इन्फेरेंस सर्वर और प्रोडक्शन क्लस्टर।

TensorFlow में सरल और व्यापक ट्यूटोरियल

शब्द-स्तरीय टाइमस्टैम्प और कॉन्फिडेंस के साथ बहुभाषी स्वचालित वाक् पहचान (Multilingual ASR)

[ICLR 2023] पेपर "DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection" का आधिकारिक कार्यान्वयन

AI सेवा निर्माण को सरल बनाने के लिए एक Pythonic फ्रेमवर्क

Keras Attention Layer (Luong और Bahdanau स्कोर)।

XLA डिवाइस (जैसे Google TPU) पर PyTorch को सक्षम करना

आसानी से clip एम्बेडिंग की गणना करें और उनके साथ एक clip पुनर्प्राप्ति प्रणाली बनाएं

इस रिपॉजिटरी में एनोटेटेड रिसर्च पेपर शामिल हैं जो मुझे वास्तव में अच्छे और उपयोगी लगे

"मशीन ट्रांसलेशन: फाउंडेशंस एंड मॉडल" - शियाओ टोंग, झू जिंघो

समय श्रृंखला पूर्वानुमान (टाइम सीरीज़ फ़ोरकास्टिंग) के लिए डीप लर्निंग का उपयोग करने वाले पेपर, कोड और प्रयोगों की सूची

एक डीप लर्निंग रिकमेंडर सिस्टम

टेंसर कंप्यूटिंग और डीप लर्निंग के लिए बेहतरीन कंपाइलर प्रोजेक्ट्स और पेपर्स की सूची।

बिना लेबलिंग के अनुमान लगाने के लिए छवियां (सुपरवाइज्ड मॉडल को प्रशिक्षित करने के लिए फाउंडेशन मॉडल का उपयोग करें)।

जापानी टेक्स्ट के लिए ऑप्टिकल कैरेक्टर रिकग्निशन, जिसका मुख्य फोकस जापानी मंगा है।

इमेज रजिस्ट्रेशन के लिए अनसुपरवाइज्ड लर्निंग

पॉइंट क्लाउड्स (point clouds) पर deep learning करने के लिए Pytorch फ्रेमवर्क।

चालान दस्तावेजों से बुद्धिमान जानकारी निकालने के लिए डीप न्यूरल नेटवर्क।

MLNLP: यह रिपॉजिटरी AI सम्मेलनों (जैसे ACL, EMNLP, NAACL, COLING, AAAI, IJCAI, ICLR, NeurIPS, ICML आदि) के ओपन-सोर्स कोड वाले पेपरों को व्यवस्थित करती है।

AIMET एक ऐसी लाइब्रेरी है जो प्रशिक्षित तंत्रिका नेटवर्क (neural network) मॉडल के लिए उन्नत परिमाणन (quantization) और संपीड़न तकनीक प्रदान करती है।

[ICLR 2024] "Time-LLM: Time Series Forecasting by Reprogramming Large Language Models" का आधिकारिक कार्यान्वयन

अपने खुद के LLM बनाएँ, कस्टमाइज़ करें और नियंत्रित करें। डेटा प्री-प्रोसेसिंग से लेकर फाइन-ट्यूनिंग तक, xTuring ओपन-सोर्स LLM को कस्टमाइज़ करने का एक आसान तरीका प्रदान करता है। हमारे डिस्कॉर्ड समुदाय से जुड़ें: https://discord.gg/TgHXuSJEk6