Jupyter Notebookben írt könyvtárak

alpha-mind

kvantitatív értékpapír-portfólió elemzés. Az elemzési folyamat, amely magában foglalja az adattárolás absztrakcióját, az alfa számítást, az ML alapú alfa kombinálást és a portfólió számítást.
  • 212
  • MIT

ld-decode

Szoftver által definiált LaserDisc dekóder.
  • 212
  • GNU General Public License v3.0 only

huggingpics

🤗🖼️ HuggingPics: Finomítsa a Vision Transformereket bármire az interneten található képek segítségével.
  • 210

notebooks

A tár tartalmát nem karbantartják, és aktívan migrálják más tárhelyekbe. (űrteleszkóppal).
  • 210
  • BSD 3-clause "New" or "Revised"

OpenEDU

:books: The Open Source Education Initiative – tárház több mint 60 mérnöki tárgyhoz. Tegyük nyitottabbá és elérhetőbbé az oktatást!:rakéta::szikrázik:.
  • 209
  • MIT

minLoRA

minLoRA: egy minimális PyTorch könyvtár, amely lehetővé teszi a LoRA alkalmazását bármely PyTorch modellre.
  • 209
  • MIT

MoViNet-pytorch

MoViNets PyTorch megvalósítás: Mobil videohálózatok a hatékony videófelismeréshez;.
  • 209
  • MIT

CodeTrans

Előképzett nyelvi modellek a forráskódhoz.
  • 209
  • MIT

tensorflow_Realtime_Multi-Person_Pose_Estimation

Multi-Person Pose Estimation projekt a Tensorflow 2.0-hoz egy MobilenetV3-on alapuló kis és gyors modellel.
  • 209
  • GNU General Public License v3.0

Optimization-Python

Általános optimalizálás (LP, MIP, QP, folyamatos és diszkrét optimalizálás stb.) Python használatával.
  • 209
  • MIT

BMT

A „Bi-modal Transformer for Dense Video Captioning” (BMVC 2020) forráskódja.
  • 208
  • MIT

Multi-Type-TD-TSR

Táblázatok kinyerése dokumentumképekből többlépcsős csővezeték segítségével táblafelismerésre és táblázatszerkezet-felismerésre:.
  • 208
  • MIT

PX4-user_guide

PX4 felhasználói kézikönyv.
  • 207
  • GNU General Public License v3.0

Python-for-Everyone

Útmutató lépésről lépésre a Python programozás megtanulásához.
  • 207

covid19italia

  • 207
  • Creative Commons Attribution 4.0

tf-metal-experiments

TensorFlow Metal háttér az Apple Silicon Experimentsen (csak a móka kedvéért).
  • 207
  • MIT

examples

Elemezze a strukturálatlan adatokat a Towhee segítségével, mint például a fordított képkeresés, fordított videókeresés, hangbesorolás, kérdés-felelet rendszerek, molekuláris keresés stb. (a towhee-io segítségével).
  • 207
  • Apache License 2.0

CenterSnap

Pytorch-kód az ICRA'22 papírhoz: "Egy felvételes több objektum 3D alakzat rekonstrukciója és kategorikus 6D póz- és méretbecslés".
  • 206

Awesome_Satellite_Benchmark_Datasets

A "NINCS ADAT, MINT TÖBB ADAT" című dolgozatunkhoz kiegészítő anyagot biztosítunk.
  • 205

TradingGym

A Trading Gym egy nyílt forráskódú projekt megerősítő tanulási algoritmusok fejlesztésére a kereskedés kontextusában. (a cove9988 által).
  • 204
  • MIT

ImageNetV2

Új tesztkészlet az ImageNethez.
  • 204
  • MIT

Deep-Q-Learning

A Deepminds dqn tensorflow implementációja kettős párbaj hálózatokkal.
  • 204

EasyEdit

Könnyen használható keretrendszer nagy nyelvi modellek szerkesztéséhez.
  • 202
  • MIT

scatteract

Projekt, amely adatok kinyerését valósítja meg a szórt diagramokból.
  • 202

r

R használata a Jupyter / RStudio alkalmazással a Binderen (binder-példák alapján).
  • 202
  • BSD 3-clause "New" or "Revised"

fact-checker

Tényellenőrző LLM kimenetek langchain segítségével.
  • 202

fraud-detection-using-machine-learning

Állítsa be a végpontok közötti demo architektúrát a csalási események előrejelzéséhez a Machine Learning segítségével az Amazon SageMaker segítségével.
  • 202
  • Apache License 2.0

machinehearing

A hangra alkalmazott gépi tanulás.
  • 201

ProvingGround

Bizonyítási talaj: Eszközök az automatizált matematikához.
  • 199
  • MIT

Best-Deep-Learning-Optimizers

A legújabb, legjobb, mély tanulási optimalizálók gyűjteménye (Pytorchhoz) - CNN, NLP alkalmas.
  • 197
  • Apache License 2.0