Jupyter Notebookben írt könyvtárak

yolov3-tf2

YoloV3 Tensorflow 2.0-ban implementálva.
  • 2.5k
  • MIT

ihaskell

Haskell kernel a Jupyter projekthez.
  • 2.5k
  • MIT

course-content

NMA Computational Neuroscience tanfolyam.
  • 2.5k
  • Creative Commons Attribution 4.0

galai

Model API a GALACTICA-hoz.
  • 2.5k
  • Apache License 2.0

Interactive Parallel Computing with IPython

IPython Párhuzamos: Interaktív párhuzamos számítástechnika a Pythonban.
  • 2.4k
  • GNU General Public License v3.0

stable-diffusion

A CompVis/stable-diffusion ezen verziója egy interaktív parancssori szkriptet tartalmaz, amely a text2img és img2img funkciókat egy "dream bot" stílusú felületen, egy WebGUI-n, valamint több szolgáltatáson és egyéb továbbfejlesztésen ötvözi. [Áthelyezve ide: https://github.com/invoke-ai/InvokeAI] (lstein).
  • 2.4k
  • GNU General Public License v3.0

100-plus-Python-programming-exercises-extended

A repository körülbelül 100+ python programozási feladat, amelyet különböző módon tárgyalnak, magyaráznak és oldanak meg.
  • 2.4k

diffusion-models-class

Anyagok az átölelő arc diffúziós modelljei tanfolyamhoz.
  • 2.4k
  • Apache License 2.0

mlops-course

Tanulja meg, hogyan tervezhet, fejleszthet, telepíthet és tarthat karban egy végponttól végpontig terjedő ML-alkalmazást.
  • 2.4k
  • MIT

shapash

🔅 Shapash: Felhasználóbarát magyarázhatóság és értelmezhetőség a megbízható és átlátható gépi tanulási modellek fejlesztéséhez.
  • 2.4k
  • Apache License 2.0

diff-svc

Énekhang konvertálás diffúziós modellen keresztül.
  • 2.4k
  • GNU Affero General Public License v3.0

3D-printed-mirror-array

3D-nyomtatható hatszögletű tükörtömb, amely képes a napfényt tetszőleges mintákba verni.
  • 2.3k
  • MIT

leetcode-company-wise-problems-2022

A leetcode prémiumon elérhető céges kérdések listája. A cégek könyvtárában minden csv fájl megfelel egy adott vállalat leetcode-ra vonatkozó kérdéslistájának a leetcode cégcímkék alapján. Frissítve 2022 májusától...
  • 2.3k
  • MIT

whylogs

Nyílt forráskódú adatnaplózó könyvtár gépi tanulási modellekhez és adatfolyamokhoz. 📚 Áttekintést biztosít az adatok minőségéről és a modell teljesítményéről az idő múlásával. 🛡️ Támogatja a magánélet védelmét szolgáló adatgyűjtést, biztosítva a biztonságot és a robusztusságot. 📈.
  • 2.3k
  • Apache License 2.0

stability-sdk

SDK a stability.ai API-kkal való interakcióhoz (pl. stabil diffúziós következtetés).
  • 2.3k
  • MIT

Learning-Bitcoin-from-the-Command-Line

Egy teljes tanfolyam a Bitcoin programozásának és használatának elsajátításához a parancsból [Áthelyezve: https://github.com/BlockchainCommons/Learning-Bitcoin-from-the-Command-Line] (ChristopherA).
  • 2.3k

ML-foundations

A gépi tanulás alapjai: lineáris algebra, számítás, statisztika és számítástechnika.
  • 2.3k
  • MIT

waymo-open-dataset

Waymo Open Dataset.
  • 2.3k
  • GNU General Public License v3.0

selfie

Oktatási szoftverrendszer egy apró önfordító C-fordítóból, egy pici önfutó RISC-V emulátorból és egy apró, önkiszolgáló RISC-V hipervizorból.
  • 2.3k
  • BSD 2-clause "Simplified"

Kandinsky-2

Kandinsky 2 — többnyelvű text2image látens diffúziós modell.
  • 2.3k
  • Apache License 2.0

Promptify

Prompt Engineering | Használjon GPT-t vagy más prompt alapú modelleket a strukturált kimenet eléréséhez. Csatlakozzon a Prompt-Engineering, az LLM-ek és más legújabb kutatások nézeteltéréseihez.
  • 2.3k
  • Apache License 2.0

benchmarking-gnns

Repository gráf neurális hálózatok benchmarkingjához.
  • 2.2k
  • MIT

prompt-to-prompt

  • 2.2k
  • Apache License 2.0

qiskit-tutorials

Jupyter jegyzetfüzetek gyűjteménye, amely bemutatja a Qiskit SDK használatát.
  • 2.2k
  • Apache License 2.0

An-Introduction-to-Statistical-Learning

Ez az adattár tartalmazza a „Bevezetés a statisztikai tanulásba” című könyvben található gyakorlatokat és azok megoldásait python nyelven.
  • 2.2k

datasets

🎁 Több mint 4 800 000 Unsplash kép áll rendelkezésre kutatás és gépi tanulás céljára (az Unsplash segítségével).
  • 2.1k

algorithmica

Számítástechnikai tankönyv.
  • 2.1k

machine-learning-book

Kódtár a gépi tanuláshoz PyTorch és Scikit-Learn segítségével.
  • 2.1k
  • MIT

coursera-deep-learning-specialization

Jegyzetek, programozási feladatok és vetélkedők a Coursera Deep Learning specializáción belül a deeplearning.ai által kínált összes kurzusról: (i) Neurális hálózatok és mély tanulás; (ii) Mély neurális hálózatok fejlesztése: hiperparaméterek hangolása, szabályosítás és optimalizálás; (iii) Gépi tanulási projektek strukturálása; (iv) Konvolúciós Neurális Hálózatok; (v) Szekvenciamodellek.
  • 2.1k

pytorch-GAT

Az eredeti GAT-dokumentum megvalósítása (Veličković et al.). Ezenkívül hozzáadtam a playground.py fájlt a Cora adatkészlet, a GAT beágyazások, a figyelemmechanizmus és az entrópia hisztogramok megjelenítéséhez. Támogattam a Cora (transzduktív) és PPI (induktív) példákat is!.
  • 2.1k
  • MIT