keras

CRAFT 文字偵測器與 Keras CRNN 辨識模型的封裝與彈性版本。

CREPE：基於卷積表示的音高估計 —— 預訓練模型 (ICASSP 2018)

在 Jupyter Notebook 中為 Keras、PyTorch 等提供即時訓練損失繪圖

ktrain 是一個讓深度學習與 AI 更親民、更容易套用的 Python 函式庫

使用差分進化演算法在 Cifar10 和 ImageNet 上實作《欺騙深度神經網路的單像素攻擊》的 Keras 版本

:smiley_cat: 漂亮且簡單的影像分類器應用程式範本。使用 Flask 在 10 分鐘內將你訓練的模型或預訓練模型（VGG、ResNet、Densenet）部署到網頁應用程式。

使用 LSTM 來檢測多變量時間序列資料中異常的框架。包含來自 Mars Science Laboratory 和 SMAP 任務的太空船異常資料與實驗。

ONNXMLTools 支援將模型轉換為 ONNX 格式

一個在 C++ 中使用 Keras (TensorFlow) 模型的輕量級標頭檔-only 函式庫。

在不遺失狀態的情況下變更執行中的 Python 程式碼

Windows ML 的範例與工具。

torchview：視覺化 PyTorch 模型

Keras 中的圖層輸出與梯度。輕鬆搞定。

使用深度學習將黑白影像上色。

透過 CNN 進行手勢辨識。以 Keras + Tensorflow/Theano + OpenCV 實作

使用 Tensorflow 2.x 的 tf.keras 模型可解釋性方法。

使用結構化訊號訓練神經網路模型。

用於將 ONNX 檔案轉換為 LiteRT/TFLite/TensorFlow、PyTorch 原生程式碼 (nn.Module)、TorchScript (.pt)、state_dict (.pt)、Exported Program (.pt2) 以及 Dynamo ONNX 的工具。它也支援從 LiteRT 直接轉換為 PyTorch。

透過這系列完整的深度學習教學，使用 tensorflow2.0、keras 與 python 學習深度學習。從零開始學習深度學習。適合初學者的深度學習系列。Tensorflow 教學、tensorflow 2.0 教學、python 深度學習教學。

Keras 3 的預訓練模型中樞

使用 Keras Framework 實現的 VGGFace

kapre: Keras 音訊預處理器

用於執行多種框架深度學習模型的統一介面

Deep Speaker：端對端神經語者嵌入系統。

精選的 iOS、ML、AR 資源集合，並點綴了一些 UI 元素

基於機器學習與推特情感分析的股市預測網頁應用程式（程式碼內含 API 金鑰）。前端採用 Flask 與 WordPress。此應用程式可根據使用者輸入的 NASDAQ 或 NSE 股票代號，預測未來七天的股價。預測採用三種演算法：ARIMA、LSTM、線性迴歸。網頁應用程式結合了

具備 GPU 加速的 Python 小波散射轉換 (Wavelet scattering transforms)

使用來自相機的即時視訊串流的手語翻譯器。

近年深度學習關於神經網路模型解釋性的相關高引用/頂會論文（附帶程式碼）

適用於微控制器與嵌入式裝置的機器學習推論引擎