convolutional-neural-networks

Học cách làm cho máy học để bạn không phải vật lộn lập trình chúng; Danh sách cuối cùng

TensorFlow 101: Giới thiệu về Học sâu

[CVPR 2024 & TPAMI 2025] UniRepLKNet

Mạng nơ-ron tích chập 3D đa tỷ lệ hiệu quả dành cho việc phân đoạn quét y tế 3D

Tất cả bảng cheat sheet của Stanford: Trí tuệ nhân tạo, Transformers, LLMs, Deep Learning, Machine Learning, Xác suất, Thống kê, Đại số và Giải tích.

Triển khai bất phụ thuộc framework cho các phương pháp độ nổi bật tiên tiến (XRAI, BlurIG, SmoothGrad và nhiều hơn nữa).

Một framework deep learning cho việc ghép nối phân tử

Kho lưu trữ này là trụ sở của một khóa học do cộng đồng thúc đẩy về Thị giác máy tính với Mạng lưới thần kinh. Hãy tham gia cùng chúng tôi trên Discord của Hugging Face: hf.co/join/discord

Khóa học deep learning NMA

Trình thông dịch ngôn ngữ ký hiệu sử dụng nguồn cấp dữ liệu video trực tiếp từ camera.

Các Colab Notebook bao gồm các công cụ học sâu để dự đoán và thiết kế cấu trúc phân tử sinh học

Tinh chỉnh các mạng Convolutional Neural Networks đã được huấn luyện trước bằng PyTorch.

Thư viện Deep Learning (DLL) tốc độ cao cho C++ (ANNs, CNNs, RBMs, DBNs...)

[CVPR 2025 Oral] OverLoCK: Một ConvNet với cơ chế nhìn tổng quan trước rồi xem xét kỹ sau, sử dụng các nhân động trộn ngữ cảnh.

Mô hình mô tả Hardnet - "Working hard to know your neighbor's margins: Local descriptor learning loss".

Dự án này tập trung vào việc triển khai và nghiên cứu các mạng tích chập Kolmogorov-Arnold. Kho lưu trữ bao gồm các triển khai tích chập 1D, 2D và 3D với các kernel khác nhau, các mô hình kiểu ResNet và DenseNet, mã huấn luyện dựa trên accelerate/PyTorch, cùng các tập lệnh thử nghiệm với CIFAR-10 và Tiny ImageNet.

Ghi chú hệ thống học sâu, bao gồm kiến thức toán học cơ bản, các thành phần mạng thần kinh, chiến lược huấn luyện và thuật toán nén mô hình.