deep-learning

Mã nguồn cho bài báo "Tối ưu hóa giảm tải tính toán cho điện toán biên di động hỗ trợ UAV: Phương pháp Deep Deterministic Policy Gradient".

Little Ball of Fur - Thư viện mở rộng lấy mẫu đồ thị cho NetworKit và NetworkX (CIKM 2020)

Danh sách các bài báo nghiên cứu về tìm kiếm cây Monte Carlo kèm theo các bản triển khai

Quy trình làm việc toàn diện trên Google Cloud Platform Vertex AI cho các hoạt động học máy (MLOps)

[NeurIPS 2020] MCUNet: Deep Learning nhỏ gọn trên thiết bị IoT; [NeurIPS 2021] MCUNetV2: Suy luận dựa trên bản vá tiết kiệm bộ nhớ cho Deep Learning nhỏ gọn

Một ngôn ngữ lập trình xác suất đơn giản.

Các bài báo tuyệt vời về học máy (deep learning) trên các đồ thị động (theo thời gian) (mạng / đồ thị tri thức).

HawkEye mã nguồn mở bằng Python sử dụng camera đơn cho quần vợt

Hướng dẫn học máy. Tìm hiểu mọi thứ về công cụ, thư viện, khung làm việc, mô hình ngôn ngữ lớn (LLM) và mô hình huấn luyện học máy.

DeepTables: Bộ công cụ học sâu cho dữ liệu dạng bảng

Mẫu Cookiecutter cho các dự án FastAPI sử dụng: Machine Learning, uv, Github Actions và Pytests

Mô hình Seq2Seq tối giản với Attention dành cho Dịch máy thần kinh trong PyTorch.

Thư viện thị giác máy tính 3D cấp thấp viết bằng Rust

Hailo Model Zoo bao gồm các mô hình đã được huấn luyện sẵn cùng môi trường xây dựng và đánh giá đầy đủ

Triển khai Voicebox, mạng chuyển văn bản thành giọng nói SOTA mới từ MetaAI, bằng Pytorch

Mã nguồn cho cuốn sách Hands-on Unsupervised Learning Using Python (O'Reilly Media).

Lộ trình ML (Machine Learning) Full Stack bao gồm việc học các kỹ năng và công nghệ cần thiết để trở nên thành thạo trong mọi khía cạnh của học máy, bao gồm thu thập và tiền xử lý dữ liệu, phát triển mô hình, triển khai và bảo trì.

Hướng dẫn HPC, bao gồm giao tiếp tập thể (MPI, NCCL), lập trình CUDA, vector hóa SIMD, giao tiếp RDMA, v.v.

Khôi phục hình ảnh TEMPEST sử dụng deep-learning

Khung đánh giá hiệu năng chuyển đổi giọng nói thành văn bản

Xuất các mô hình Hugging Face sang Core ML và TensorFlow Lite.

Kho lưu trữ này chứa hầu hết các triển khai PyTorch dựa trên các thuật toán học tăng cường sâu cổ điển, bao gồm - DQN, DDQN, Dueling Network, DDPG, SAC, A2C, PPO, TRPO. (Các thuật toán khác vẫn đang được phát triển)

Deep Learning on Flink nhằm mục đích tích hợp Flink với các framework học sâu (như TensorFlow, PyTorch, v.v.) để cho phép huấn luyện và suy luận học sâu phân tán trên cụm Flink.

Các trình theo dõi đa đối tượng bằng Python

Các thuật toán học máy cho hệ lượng tử nhiều vật thể.

[ECCV] Swin2SR: SwinV2 Transformer cho việc khôi phục và siêu phân giải hình ảnh nén. Hội thảo Advances in Image Manipulation (AIM) ECCV 2022.

Danh sách hơn 234 dự án dựa trên học máy, học sâu, thị giác máy tính, xử lý ngôn ngữ tự nhiên và hơn thế nữa.

Các bài báo, mã nguồn và tập dữ liệu về học sâu cho Phát hiện đối tượng 3D.

🎯 AI từ con số 0 đến chuyên gia 👑

Dự đoán giá cổ phiếu sử dụng mạng thần kinh TensorFlow LSTM (long short-term memory) để dự báo chuỗi thời gian