Jupyter Notebookben írt könyvtárak

sd-webui-colab

Repo a stable-diffusion-webui repo Colab-verziójának karbantartásához.
  • 513
  • Apache License 2.0

diffusion_models

Oktatófüzetek sorozata a diffúziós valószínűségi modellek zajtalanításáról a PyTorch-ban (az acids-ircam segítségével).
  • 512

Datos-COVID19

Para señalar fuente de los datos señalar que vienen de este repositorio, junto con la fuente de orígen: "Datos obtenidos desde el Ministerio de Ciencia y producidos por el Ministerio de Salud (o la fuente que correcta) https://github.com/ MinCiencia/Datos-COVID19". Kérjük, adja meg az adatok származását: Chile Egészségügyi Minisztériuma készítette, és a Tudományos Minisztériumtól szerezte be: https://github.com/MinCiencia/Datos-COVID19.
  • 512
  • Creative Commons Zero v1.0 Universal

dmol-book

Mélytanulás molekulákhoz és anyagokhoz könyv.
  • 511
  • GNU General Public License v3.0

cifar10-fast

  • 507
  • MIT

vscode-ayu

ayu téma a vscode-hoz.
  • 506
  • MIT

Human-Segmentation-PyTorch

Emberi szegmentációs modellek, képzési/következtetési kódok és betanított súlyok, PyTorch-ban implementálva.
  • 506

ithaca

Régi szövegek helyreállítása és hozzárendelése mély neurális hálózatok segítségével.
  • 501
  • Apache License 2.0

Data-Engineering-Projects

Személyes adatok tervezési projektek.
  • 501

kglab

Graph Data Science: egy absztrakciós réteg a Pythonban tudásgráfok készítéséhez, integrálva a népszerű gráfkönyvtárakba – a Pandas, NetworkX, RAPIDS, RDFlib, pySHACL, PyVis, morph-kgc, pslpython, pyarrow stb.
  • 499
  • MIT

TACO

🌮 Szemetes megjegyzések a Context Dataset Toolkitben (a pedropro).
  • 499
  • MIT

6S083

Anyagok az MIT 6. S083 / 18. S190 számára: Számítógépes gondolkodás Juliával + alkalmazása a COVID-19 világjárványra.
  • 495
  • GNU General Public License v3.0

deltapy

DeltaPy – táblázatos adatbővítés (a @firmai által).
  • 494

jaxrl

JAX (Flax) algoritmusok mélyerősítő tanuláshoz folyamatos cselekvési terekkel.
  • 494
  • MIT

Julia-DataFrames-Tutorial

A Julia DataFrames csomag oktatóanyaga.
  • 492
  • MIT

AeroSandbox

A repülőgépek tervezésének optimalizálása a modern automatikus megkülönböztetés révén gyorsan elvégezhető. Összeállítható elemző eszközök az aerodinamikához, a meghajtáshoz, a szerkezetekhez, a pályatervezéshez és még sok máshoz.
  • 490
  • MIT

joypy

Joyplotok Pythonban matplotlib és pandákkal:chart_with_upwards_trend:.
  • 490
  • MIT

Deep-Reinforcement-Learning-Algorithms

32 projekt a Deep Reforcement Learning algoritmusok keretében: Q-learning, DQN, PPO, DDPG, TD3, SAC, A2C és mások. Minden projekthez részletes képzési napló tartozik.
  • 485

LLVIP

LLVIP: Látható-infravörös párosított adatkészlet a gyenge fényviszonyokhoz.
  • 484

Building-a-Simple-Chatbot-in-Python-using-NLTK

Egyszerű chatbot készítése a semmiből Pythonban (NLTK használatával).
  • 483

jax-cfd

Számítógépes folyadékdinamika a JAX-ben.
  • 483
  • Apache License 2.0

EveryDream-trainer

Általános finomhangolás a stabil diffúzióhoz.
  • 480
  • MIT

mathematicalpython

Bevezetés a matematikai számítástechnikába Python és Jupyter segítségével.
  • 477

Reactors

🌱 Csatlakozz a Microsoft Reactor fejlesztői közösségéhez, és lépj kapcsolatba az emberekkel, készségekkel és technológiával, hogy építsd karriered vagy személyes tanulásod. Ingyenes élő közvetítéseket, igény szerinti tartalmakat és hibrid/személyes eseményeket kínálunk naponta szerte a világon. Itt érheti el projektjeinket és kódjainkat..
  • 477
  • MIT

practical-mlops-book

[Könyv-2021] Gyakorlati MLOps O'Reilly könyv.
  • 474

rl_games

RL implementációk.
  • 474
  • MIT

facet

Ember által megmagyarázható AI..
  • 471
  • Apache License 2.0

gtc2017-numba

Numba bemutató a GTC 2017 konferenciához.
  • 469

ghapi

Elragadó és teljes felület a GitHub csodálatos API-jához.
  • 467
  • Apache License 2.0