neural-networks

我们在学习过程中收集的人工智能、机器学习与深度学习精选内容。包含学习笔记以及此类主题的优质资源列表。

多核心 CPU 上的神经网络加速套件

基于 Nx 驱动的神经网络

:red_circle: MiniSom 是自组织映射（SOM）的极简主义实现。

Macaw-LLM：整合图像、视频、音频与文本的多模态语言模型

在各种任务上对标准与 SOTA 方法的高质量实现。

一个 2D Unity 模拟项目，其中的车辆学习如何通过不同的赛道导航。车辆由前馈神经网络控制，网络权重使用修改后的遗传算法进行训练。

Brevitas：PyTorch 中的神经网络量化

用于分析情感、情绪、讽刺等的先进深度学习模型。

通过范畴论视角研究机器学习的论文清单

精选的最佳人工智慧资源清单

具备几何结构的流形上的计算与统计。

科奇大学深度学习框架。

Lovász-Softmax 损失函数代码 (CVPR 2018)

一个在 Nim 中快速、符合人体工程学且可移植的张量库，通过 OpenMP、Cuda 和 OpenCL 后端专注于 CPU、GPU 和嵌入式设备的深度学习

低级编程路线图与资源

Arm NN ML 软件。

“Mish: A Self Regularized Non-Monotonic Neural Activation Function”官方仓库 [BMVC 2020]

用于科学机器学习（SciML）加速模拟的（偏）微分方程物理信息神经网络（PINN）求解器

类似于 PyTorch 且具备 GPU 加速功能的 JavaScript 库。

pyclustering 是一个 Python 与 C++ 数据挖掘库。

PDEBench：用于科学机器学习的广泛基准测试集

从第一性原理构建的机器学习入门指南。专为希望以软件系统思维来理解 ML 系统的工程师所设计。

一个用于处理神经网络并进行渲染的项目，通过简化的呈现方式来深入了解模型的架构与参数。

一个适用于微控制器的更高阶神经网络库。

精选的 NLP 资源列表，聚焦于 Transformer 网络、注意力机制、GPT、BERT、ChatGPT、LLMs 与迁移学习。

直接构建于 PyTorch 之上的高级演化计算库，由 NNAISENSE 创建。

TensorFlow 101：深度学习简介

nnsight 套件能够解读与操纵深度学习模型的内部运作。

大脑、深度网络及其他领域中表示几何的精选资源与研究汇整