Jupyter Notebookben írt könyvtárak

learnapl

A Dyalog APL bemutatása: https://xpqz.github.io/learnapl.
  • 98
  • GNU General Public License v3.0

Diffusion-WebUI

Egy kattintással futtassa a Colab rendszert az összes főbb modellhez (NovelAI, Stable Diffusion V1.5) [Áthelyezve: https://github.com/acheong08/Diffusion-ColabUI].
  • 98
  • Apache License 2.0

dino-diffusion

Csupaszcsont diffúziós modellkód.
  • 97
  • MIT

mnist1d

Az MNIST adatkészlet 1D analógja a térbeli torzítások mérésére és a Science of Deep Learning kérdéseinek megválaszolására.
  • 97
  • Apache License 2.0

rpi-urban-mobility-tracker

A legegyszerűbb módja a gyalogosok, kerékpárosok és járművek megszámlálásának szélső számítástechnikai eszközökön vagy élő videoközvetítéseken.
  • 96
  • GNU General Public License v3.0 only

serving-pytorch-models

PyTorch modellek kiszolgálása a TorchServe:fire: segítségével.
  • 96
  • MIT

poe-currency-flip-planner

Ez az eszköz egy kísérlet rövid távú arbitrázs ügyletek tervezésére a Path of Exile programban.
  • 96
  • MIT

Hands-On-Deep-Learning-Algorithms-with-Python

Gyakorlati mélytanulási algoritmusok Python segítségével, Packt által.
  • 96
  • MIT

stable-diffusion-intel-mac

  • 95
  • GNU General Public License v3.0

aiqc

Végponttól végpontig mély tanulás az asztalon vagy a szerveren.
  • 94
  • BSD 3-clause "New" or "Revised"

localLLM_guidance

Helyi LLM ReAct ügynök útmutatással.
  • 94

csoundAPI_examples

Példák a Csound API megtanulására különböző nyelvekről.
  • 93

PyKakao

카카오 API를 사용하기 위한 오픈소스 파이썬 라이브러리.
  • 93
  • MIT

execnb

Hajtsa végre a jupyter notebookot gyorsan, anélkül, hogy Jupyterre lenne szüksége.
  • 93
  • Apache License 2.0

SIPs

A Synthetix Improvement Proposal Repository (Synthetixio által).
  • 92

tsdownsample

Nagy teljesítményű idősoros mintavételezési algoritmusok a vizualizációhoz.
  • 91
  • MIT

bert-for-inference

Egy kis repo, amely bemutatja, hogyan lehet egyszerűen használni a BERT-et (vagy más transzformátorokat) következtetésekre.
  • 90

Deep-Learning-Computer-Vision

Feladatmegoldásaim a Stanford CS231n-hez (CNN-ek vizuális felismeréshez) és a Michigan-féle EECS 498-007/598-005-höz (Deep Learning for Computer Vision), 2020-as verzió.
  • 90

stable-diffusion

  • 89
  • GNU General Public License v3.0

SpeciesClassification

A hozzáférés eléréséhez fejezze be a tárhely beállítását a következő címen: https://repos.opensource.microsoft.com/microsoft/wizard?existingreponame=SpeciesClassification&existingrepoid=169153301.
  • 89
  • MIT

ESC-CNN-microcontroller

Környezeti hangok osztályozása konvolúciós neurális hálózatokat használó mikrokontrollereken.
  • 87

tutorial-face-mask-detection

Ebben a projektben egy csővezetéket fejlesztünk ki a maszkolás nélküli arcok észlelésére a képeken. Ez például arra használható, hogy figyelmeztesse azokat az embereket, akik nem viselnek maszkot, amikor belépnek az épületbe.
  • 87
  • MIT

Tegridy-MIDI-Dataset

Tegridy MIDI Dataset a precíz és hatékony zenei AI modellek létrehozásához.
  • 87
  • Apache License 2.0

Did-Somebody-Say-Corgi

Képszintézis + Corgis = <3.
  • 87

rMsync

Szkript a ReMarkable e-reader szinkronizálásához.
  • 86
  • GNU General Public License v3.0 only

face-mask-detection

Ebben a projektben egy olyan csővezetéket fejlesztünk ki, amely képes észlelni a nem maszkolt arcokat a képeken. Ez például arra használható, hogy figyelmeztesse azokat az embereket, akik nem viselnek maszkot, amikor belépnek az épületbe. [Áthelyezve: https://github.com/datarootsio/tutorial-face-mask-detection] (a datarootsio által).
  • 86
  • MIT

daru-view

A daru-view egyszerű és interaktív ábrázoláshoz webes alkalmazásokban és IRuby notebookban. A daru-view a meglévő daru gem bővítménye.
  • 86
  • MIT

ChatLog

⏳ ChatLog: ChatGPT rögzítése és elemzése időn keresztül (THU-KEG).
  • 86
  • MIT

memOptix

Egy Jupyter notebook, amely segíti a Volatilitás memóriakivonási keretrendszerből generált kimenet elemzését.
  • 86
  • Apache License 2.0

smaller-transformers

Töltse be, amire szüksége van: Kisebb többnyelvű transzformátorok Pytorch és TensorFlow 2.0 számára.
  • 84
  • Apache License 2.0