Jupyter Notebookben írt könyvtárak

ltt

Tanuljon, majd tesztelje: Prediktív algoritmusok kalibrálása a kockázatkezelés elérése érdekében.

41
MIT

CoreML-samples

Mintakód a Core ML-hez az Apple által biztosított ResNet50 használatával és a coremltools által generált egyéni modellel.

41
MIT

notebooks

Google Colab jegyzetfüzetek (nagolinc).

41

ControllableTalkNet

Ez az NVIDIA TalkNet módosított változata. Ez egy vezérelhető hálózat, amely CPU és GPU következtetésekre egyaránt használható.

41
Creative Commons Zero v1.0 Universal

guidance

Útmutató nyelv nagy nyelvi modellek vezérléséhez. (Maximilian-Winter által).

40
MIT

kivy-tensorflow-helloworld

Futtasson következtetést a Tensorflow Lite segítségével iOS, Android, MacOS, Windows és Linux rendszeren Python használatával.

40

amazon-rekognition-code-samples

Amazon felismerési kódminták.

40
MIT No Attribution

nitroml

A NitroML egy moduláris, hordozható és méretezhető modell-minőségű benchmarking keretrendszer gépi tanulási és automatizált gépi tanulási (AutoML) folyamatokhoz.

40
Apache License 2.0

Artifact_Removal_GAN

U-net GAN a jpeg műtermékek eltávolításához.

40
MIT

Transformer-Models-from-Scratch

különféle transzformátormodellek megvalósítása különféle feladatokhoz.

40

full_spectrum_bioinformatics

Nyílt hozzáférésű bioinformatikai szöveg.

39

Transformer-in-Transformer

A Transformer implementációja a Transformerben a TensorFlow-ban a képosztályozáshoz, a helyi foltok figyeléséhez (Rishit-dagli).

39
Apache License 2.0

DataDrivenDynSyst

Szkriptek és jegyzetfüzetek a Data-Driven Methods for Dynamic Systems című könyvhöz.

39
MIT

cdQnA

tárháza dokumentumoknak és tanulmányoknak a zárt domain kérdéseivel és megválaszolásával kapcsolatban LLM-mel.

39

doohickey

A Doohickey egy stabil diffúziós eszköz a műszaki művészek számára, akik naprakészek akarnak maradni a terület legújabb fejleményeivel.

39

infery-examples

Demo-alkalmazások és következtetési szkriptek gyűjteménye különféle mély tanulási keretrendszerekhez következtetést (Python) használva.

39
GNU General Public License v3.0

Data-Visualizations-Medium

Adat- és gépi tanulási modellek megértése vizualizációkkal.

38
MIT

Multi-Modal-Comparators

Egységes API, amely megkönnyíti az előre betanított „perceptor” modellek használatát, a la CLIP.

38

Deep-Learning-With-TensorFlow

Az összes erőforrás és gyakorlati gyakorlat a TensorFlow Deep Learning használatának megkezdéséhez.

38
Apache License 2.0

Ez az algoritmus egy, a felhasználó által készített téglalapot használ az előtérben lévő elem azonosítására. Ezután a felhasználó szerkesztheti, hogy objektumokat adjon hozzá vagy távolítson el az előtérből. Ezután eltávolítja a hátteret és átlátszóvá teszi.