Biblioteki napisane w Jupyter Notebook

models

Modele i przykłady zbudowane za pomocą TensorFlow.
  • 76.0k
  • GNU General Public License v3.0

stable-diffusion

Utajony model dyfuzji tekstu do obrazu.
  • 58.3k
  • GNU General Public License v3.0

openai-cookbook

Przykłady i przewodniki dotyczące korzystania z interfejsu API OpenAI.
  • 43.8k
  • MIT

TensorFlow-Examples

Samouczek i przykłady TensorFlow dla początkujących (obsługa TF v1 i v2).
  • 42.9k
  • GNU General Public License v3.0

PythonDataScienceHandbook

Podręcznik nauki o danych w języku Python: pełny tekst w notatnikach Jupyter.
  • 39.0k
  • MIT

segment-anything

Repozytorium zawiera kod do uruchamiania wnioskowania z modelem SegmentAnything Model (SAM), łącza do pobierania wyszkolonych punktów kontrolnych modelu oraz przykładowe notatniki, które pokazują, jak używać modelu.
  • 36.6k
  • Apache License 2.0

Made-With-ML

Dowiedz się, jak projektować, rozwijać, wdrażać i iterować aplikacje ML klasy produkcyjnej.
  • 33.7k
  • MIT

nn

🧑‍🏫 60 implementacji/samouczków dokumentów do głębokiego uczenia się z notatkami obok siebie 📝; w tym transformers (original, xl, switch, feedback, vit,...), optymalizatory (adam, adabelief, sophia,...), gans (cyclegan, stylegan2,...), 🎮 uczenie się przez wzmacnianie (ppo, dqn), capsnet, destylacja,... 🧠.
  • 32.2k
  • MIT

google-research

Badania Google.
  • 30.4k
  • Apache License 2.0

Probabilistic-Programming-and-Bayesian-Methods-for-Hackers

aka „Bayesowskie metody dla hakerów”: Wprowadzenie do metod bayesowskich + programowanie probabilistyczne z punktem widzenia najpierw obliczenia/zrozumienie, a potem matematyka. Wszystko w czystym Pythonie;).
  • 25.7k
  • MIT

handson-ml2

Seria notatników Jupyter, które przeprowadzą Cię przez podstawy uczenia maszynowego i uczenia głębokiego w Pythonie przy użyciu Scikit-Learn, Keras i TensorFlow 2.
  • 25.3k
  • Apache License 2.0

handson-ml

⛔️ PRZESTARZAŁE – Zamiast tego zobacz https://github.com/ageron/handson-ml3..
  • 25.0k
  • Apache License 2.0

fastai

Biblioteka głębokiego uczenia Fastai.
  • 24.2k
  • Apache License 2.0

bark

🔊 Tekstowy generatywny model audio.
  • 23.7k
  • MIT

Data-Science-For-Beginners

10 tygodni, 20 lekcji, nauka o danych dla wszystkich!
  • 21.8k
  • MIT

homemade-machine-learning

🤖 Przykłady popularnych algorytmów uczenia maszynowego w Pythonie z interaktywnymi demonstracjami Jupytera i objaśnieniami matematycznymi.
  • 21.6k
  • MIT

pytudes

Programy w Pythonie, zazwyczaj krótkie, o sporym stopniu trudności, do doskonalenia określonych umiejętności.
  • 20.6k
  • MIT

pydata-book

Materiały i notatniki IPython dla „Python for Data Analysis” autorstwa Wesa McKinneya, opublikowane przez O'Reilly Media.
  • 19.8k
  • GNU General Public License v3.0

shap

Podejście oparte na teorii gier w celu wyjaśnienia wyników dowolnego modelu uczenia maszynowego.
  • 19.8k
  • MIT

reinforcement-learning

Implementacja algorytmów uczenia się ze wzmocnieniem. Python, siłownia OpenAI, Tensorflow. Ćwiczenia i rozwiązania towarzyszące książce Suttona i kursowi Davida Silvera.
  • 19.2k
  • MIT

learnopencv

Dowiedz się, jak OpenCV: przykłady C++ i Pythona.
  • 18.9k

fastbook

Książka fastai, opublikowana jako Jupyter Notebooks.
  • 18.9k
  • GNU General Public License v3.0

CLIP

CLIP (Contrastive Language-Image Pretraining), Przewiduj najbardziej odpowiedni fragment tekstu na podstawie obrazu.
  • 16.7k
  • MIT

InvokeAI

InvokeAI to wiodący silnik kreatywny dla modeli Stable Diffusion, umożliwiający profesjonalistom, artystom i entuzjastom generowanie i tworzenie mediów wizualnych przy użyciu najnowszych technologii opartych na sztucznej inteligencji. Rozwiązanie oferuje wiodący w branży WebUI, obsługuje terminale za pośrednictwem CLI i służy jako podstawa dla wielu komercyjnych produktów.
  • 16.7k
  • Apache License 2.0

Anime4K

Wysokiej jakości skalowanie w czasie rzeczywistym dla filmów anime.
  • 16.6k
  • MIT

alpaca-lora

Poinstruuj i dostosuj LLaMA na sprzęcie konsumenckim.
  • 16.4k
  • Apache License 2.0

AI-For-Beginners

12 tygodni, 24 lekcje, sztuczna inteligencja dla wszystkich!
  • 16.4k
  • MIT

data

Dane i kod stojące za artykułami i grafiką w FiveThirtyEight.
  • 16.3k
  • Creative Commons Attribution 4.0

StableLM

StableLM: modele języka AI stabilności.
  • 15.1k
  • Apache License 2.0

awesome-python-applications

💿 Darmowe oprogramowanie, które działa świetnie, a także jest open-source Python..
  • 14.7k