lstm

Tesseract ओपन सोर्स OCR इंजन (मुख्य रिपॉजिटरी)

AiLearning: डेटा एनालिटिक्स + मशीन लर्निंग प्रैक्टिकल + रैखिक बीजगणित + PyTorch + NLTK + TF2

Latin, Chinese, Arabic, Devanagari, Cyrillic आदि सहित 80+ समर्थित भाषाओं और सभी लोकप्रिय लेखन लिपियों के साथ उपयोग के लिए तैयार OCR।

एक न्यूरल नेटवर्क जो डिज़ाइन मॉक-अप को एक स्टेटिक वेबसाइट में बदल देता है।

RWKV (उच्चारण RwaKuv) बेहतरीन LLM प्रदर्शन वाला एक RNN है, जिसे GPT ट्रांसफार्मर की तरह सीधे प्रशिक्षित किया जा सकता है (पैरेललाइज़ेबल)। हम RWKV-7 "Goose" पर हैं। यह RNN और ट्रांसफार्मर के सर्वोत्तम गुणों को जोड़ता है - बेहतरीन प्रदर्शन, लीनियर टाइम, स्थिर स्पेस (कोई kv-cache नहीं), तेज़ प्रशिक्षण, अनंत ctx_len, और मुफ्त वाक्य एम्बेडिंग।

वेब के लिए मैत्रीपूर्ण मशीन लर्निंग! 🤖

PyTorch और TorchText के साथ कुछ sequence-to-sequence (seq2seq) मॉडल लागू करने पर ट्यूटोरियल।

सेंटीमेंट एनालिसिस के लिए PyTorch और TorchText के साथ शुरुआत करने पर ट्यूटोरियल।

चीनी प्राचीन कविता स्वचालित रचना रोबोट, tensorflow1.10 API पर आधारित, सक्रिय रूप से रखरखाव और उन्नयन किया जा रहा है, स्टार दें, अपडेट रहें!

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

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

PyTorch का उपयोग करके मशीन लर्निंग और डीप लर्निंग के साथ वास्तविक दुनिया की समस्याओं को हल करने पर Jupyter Notebook ट्यूटोरियल। विषय: Detectron 2 के साथ चेहरा पहचान, LSTM ऑटोएन्कोडर के साथ टाइम सीरीज़ विसंगति पहचान, YOLO v5 के साथ ऑब्जेक्ट डिटेक्शन, अपना पहला न्यूरल नेटवर्क बनाएं, कोरोनावायरस दैनिक मामलों के लिए टाइम सीरीज़ पूर्वानुमान, BERT के साथ सेंटीमेंट विश्लेषण

टाइम सीरीज़ फ़ोरकास्टिंग, वर्गीकरण और विसंगति का पता लगाने के लिए डीप लर्निंग PyTorch लाइब्रेरी (मूल रूप से बाढ़ पूर्वानुमान के लिए)।

Go में स्व-निहित मशीन लर्निंग और नेचुरल लैंग्वेज प्रोसेसिंग लाइब्रेरी

मेरे पसंदीदा डीप लर्निंग संसाधनों की सूची, विषयों को दोहराने या संदर्भ के लिए उपयोगी। मैंने वहाँ सूचीबद्ध सभी सामग्री को ध्यान से देखा है। - Guillaume Chevalier

इस रिपॉजिटरी में बातचीत में भावना पहचान के लिए विभिन्न आर्किटेक्चर का कार्यान्वयन शामिल है।

:art: गणितीय सूत्र पहचान उन्नत संस्करण: चीनी और अंग्रेजी हस्तलिखित मुद्रित सूत्र, प्रारंभिक प्रतीक अनुमान का समर्थन करता है (LaTeX एब्स्ट्रैक्ट सिंटैक्स ट्री पर आधारित डेटा संरचना)।

मल्टीवेरिएट टाइम सीरीज़ डेटा में विसंगतियों का पता लगाने के लिए LSTM का उपयोग करने का एक फ्रेमवर्क। इसमें मार्स साइंस लेबोरेटरी और SMAP मिशनों के अंतरिक्ष यान विसंगति डेटा और प्रयोग शामिल हैं।

TensorFlow पर आधारित EEG कार्यों (सिग्नल) वर्गीकरण के लिए एक Deep Learning लाइब्रेरी।

ONNX फ़ाइलों को LiteRT/TFLite/TensorFlow, PyTorch नेटिव कोड (nn.Module), TorchScript (.pt), state_dict (.pt), Exported Program (.pt2), और Dynamo ONNX में बदलने के लिए एक टूल। यह LiteRT से PyTorch में सीधे रूपांतरण का भी समर्थन करता है।

Generative AI और Deep Learning का उपयोग करके मॉलिक्यूलर और मटेरियल डिज़ाइन की सूची।

Machine Learning और Tweets के Sentiment Analysis पर आधारित Stock Market Prediction Web App (कोड में API कुंजियाँ शामिल हैं)। वेब ऐप का फ्रंट एंड Flask और Wordpress पर आधारित है। ऐप उपयोगकर्ता द्वारा इनपुट किए गए NASDAQ या NSE के तहत किसी भी स्टॉक के अगले सात दिनों के स्टॉक मूल्य का पूर्वानुमान लगाता है। भविष्यवाणियां तीन एल्गोरिदम का उपयोग करके की जाती हैं: ARIMA, LSTM, Linear Regression।

असंगति पहचान (anomaly detection) विधियों का संग्रह (iid/पॉइंट-आधारित, ग्राफ और टाइम सीरीज), जिसमें सक्रिय शिक्षण, बेयसियन नियम-खनन, और विविधता/व्याख्या/व्याख्यात्मकता के लिए विवरण शामिल हैं। एन्सेम्बल और ट्री-आधारित डिटेक्टरों के साथ लेबल फीडबैक को शामिल करने का विश्लेषण। इसमें ग्राफ कन्वेन्शनल नेटवर्क के साथ एडवरसैरियल हमले भी शामिल हैं।

बॉडी कीपॉइंट्स को ट्रैक करके रीयल-टाइम स्थानिक-कालिक गतिविधि का पता लगाना

Keras के साथ Python में LSTM रिकरेंट न्यूरल नेटवर्क के साथ एकाधिक मल्टीवेरिएट टाइम सीरीज़ प्रेडिक्शन का उदाहरण।

टाइम सीरीज़ पूर्वानुमान के लिए TensorFlow LSTM (लॉन्ग शॉर्ट-टर्म मेमोरी) न्यूरल नेटवर्क का उपयोग करके स्टॉक की कीमतों की भविष्यवाणी करना

ARIMA, RNN, LSTM और GRU मॉडल का उपयोग करके दिल्ली के विद्युत भार का पूर्वानुमान

PyTorch में टेक्स्ट क्लासिफिकेशन का एक बेंचमार्क

Kaggle सैन फ्रांसिस्को क्राइम विवरण को 39 श्रेणियों में वर्गीकृत करना। Tensorflow पर CNN, RNN (GRU और LSTM) और वर्ड एम्बेडिंग के साथ मॉडल बनाना।