keras

CRAFT 文字检测器与 Keras CRNN 识别模型的封装与灵活版本。

CREPE：基于卷积表示的音高估计 —— 预训练模型 (ICASSP 2018)

在 Jupyter Notebook 中为 Keras、PyTorch 等提供实时训练损失绘图

ktrain 是一个让深度学习与 AI 更亲民、更容易应用的 Python 库

使用差分进化算法在 Cifar10 和 ImageNet 上实现《欺骗深度神经网络的单像素攻击》的 Keras 版本

:smiley_cat: 漂亮且简单的图像分类器应用程序模版。使用 Flask 在 10 分钟内将你训练的模型或预训练模型（VGG、ResNet、Densenet）部署到网页应用程序。

使用 LSTM 来检测多变量时间序列数据中异常的框架。包含来自 Mars Science Laboratory 和 SMAP 任务的航天器异常数据与实验。

ONNXMLTools 支持将模型转换为 ONNX 格式

一个在 C++ 中使用 Keras (TensorFlow) 模型的轻量级头文件-only 库。

在不丢失状态的情况下变更运行中的 Python 代码

Windows ML 的示例与工具。

torchview：可视化 PyTorch 模型

Keras 中的层输出与梯度。轻松搞定。

使用深度学习将黑白图像上色。

透过 CNN 进行手势识别。以 Keras + Tensorflow/Theano + OpenCV 实现

使用 Tensorflow 2.x 的 tf.keras 模型可解释性方法。

使用结构化信号训练神经模型。

用于将 ONNX 文件转换为 LiteRT/TFLite/TensorFlow、PyTorch 原生代码 (nn.Module)、TorchScript (.pt)、state_dict (.pt)、Exported Program (.pt2) 以及 Dynamo ONNX 的工具。它还支持从 LiteRT 直接转换为 PyTorch。

通过这系列完整的深度学习教程，使用 tensorflow2.0、keras 与 python 学习深度学习。从零开始学习深度学习。适合初学者的深度学习系列。Tensorflow 教程、tensorflow 2.0 教程、python 深度学习教程。

Keras 3 的预训练模型中心

使用 Keras Framework 实现的 VGGFace

kapre: Keras 音频预处理器

用于执行多种框架深度学习模型的统一接口

Deep Speaker：端到端神经说话人嵌入系统。

精选的 iOS、ML、AR 资源集合，并点缀了一些 UI 元素

基于机器学习与推特情感分析的股市预测网页应用程序（代码内含 API 密钥）。前端采用 Flask 与 WordPress。此应用程序可根据用户输入的 NASDAQ 或 NSE 股票代号，预测未来七天的股价。预测采用三种算法：ARIMA、LSTM、线性回归。网页应用程序结合了

具备 GPU 加速的 Python 小波散射转换 (Wavelet scattering transforms)

使用来自相机的实时视频流的手语翻译器。

近年深度学习关于神经网络模型解释性的相关高引用/顶会论文（附带代码）

适用于微控制器与嵌入式设备的机器学习推理引擎