Biblioteki napisane w Jupyter Notebook

pyLDAvis

Biblioteka Pythona do interaktywnej wizualizacji modelu tematycznego. Port pakietu R LDAvis..
  • 1.7k
  • BSD 3-clause "New" or "Revised"

LoFTR

Kod dla „LoFTR: lokalne dopasowanie funkcji bez detektora z transformatorami”, CVPR 2021, T-PAMI 2022.
  • 1.7k
  • Apache License 2.0

PYNQ

Produktywność Pythona dla ZYNQ.
  • 1.7k
  • BSD 3-clause "New" or "Revised"

pytorch-openpose

pytorch implementacja openpose, w tym szacowanie pozycji dłoni i ciała.
  • 1.7k

nlp-in-python-tutorial

porównywanie komików przy użyciu przetwarzania języka naturalnego.
  • 1.7k

ru-dalle

Generuj obrazy z tekstów. Po rosyjsku.
  • 1.6k
  • Apache License 2.0

awesome-embedding-models

Wyselekcjonowana lista niesamowitych samouczków, projektów i społeczności dotyczących osadzania modeli.
  • 1.6k
  • MIT

Reinforcement-Learning-2nd-Edition-by-Sutton-Exercise-Solutions

Rozwiązania uczenia się ze wzmocnieniem, wprowadzenie.
  • 1.6k
  • MIT

FinRL-Trading

Do handlu. Proszę o gwiazdkę..
  • 1.6k
  • MIT

IRkernel

Jądro R dla Jupytera.
  • 1.6k
  • GNU General Public License v3.0

Segment-and-Track-Anything

Projekt typu open source poświęcony śledzeniu i segmentowaniu dowolnych obiektów w filmach, automatycznie lub interaktywnie. Główne wykorzystywane algorytmy obejmują Segment Anything Model (SAM) do segmentacji klatek kluczowych i kojarzenie obiektów z transformatorami (AOT) w celu wydajnego śledzenia i propagacji.
  • 1.6k
  • GNU Affero General Public License v3.0

dl-colab-notebooks

Wypróbuj modele głębokiego uczenia online w Google Colab (autor: tugstugi).
  • 1.6k

logica

Logica to język programowania logiki, który kompiluje się do StandardSQL i działa w Google BigQuery.
  • 1.6k
  • Apache License 2.0

sphereface

Implementacja dla <SphereFace>w CVPR'17..
  • 1.6k
  • MIT

labml

🔎 Monitoruj trening modelu głębokiego uczenia i wykorzystanie sprzętu z telefonu komórkowego 📱.
  • 1.6k
  • MIT

densecap

Gęste napisy do obrazów w Torch.
  • 1.5k
  • MIT

machine-learning-asset-management

Uczenie maszynowe w zarządzaniu aktywami (autor: @firmai).
  • 1.5k

open-sustainable-technology

Wyselekcjonowana lista otwartych projektów technologicznych w celu utrzymania stabilnego klimatu, dostaw energii, różnorodności biologicznej i zasobów naturalnych.
  • 1.5k
  • Creative Commons Zero v1.0 Universal

setfit

Wydajna nauka kilku strzałów z Transformatorami Zdań.
  • 1.5k
  • Apache License 2.0

uvadlc_notebooks

Repozytorium samouczków do notebooków Jupyter do nauczania kursu Deep Learning na Uniwersytecie w Amsterdamie (magister AI), jesień 2022/wiosna 2022.
  • 1.5k
  • MIT

FinancePy

Biblioteka finansowa w języku Python, która koncentruje się na wycenie i zarządzaniu ryzykiem finansowych instrumentów pochodnych, w tym instrumentów o stałym dochodzie, kapitałowych, walutowych i kredytowych.
  • 1.5k
  • GNU General Public License v3.0 only

pyxelate

Klasa Pythona, która generuje grafikę pikselową z obrazów.
  • 1.5k
  • MIT

clip-retrieval

Z łatwością obliczaj osadzenie klipów i buduj z nimi system wyszukiwania klipów.
  • 1.5k
  • MIT

SGX-Full-OrderBook-Tick-Data-Trading-Strategy

Dostarczanie rozwiązań dla strategii handlu o wysokiej częstotliwości (HFT) z wykorzystaniem metod nauki o danych (uczenie maszynowe) na danych pełnych zamówień.
  • 1.5k

DenseDepth

Wysokiej jakości oszacowanie głębokości monokularu poprzez naukę transferu.
  • 1.5k
  • GNU General Public License v3.0 only

DualStyleGAN

[CVPR 2022] Mistrz pastiszu: oparte na wzorach przeniesienie stylu portretu w wysokiej rozdzielczości.
  • 1.5k
  • GNU General Public License v3.0

DIS

To jest repozytorium naszego nowego projektu Highly Accurate Dichotomous Image Segmentation.
  • 1.5k
  • Apache License 2.0

featureform

Wirtualny sklep z funkcjami. Zmień swoją istniejącą infrastrukturę danych w magazyn funkcji.
  • 1.5k
  • Mozilla Public License 2.0

machine-learning-experiments

🤖 Interaktywne eksperymenty Machine Learning: 🏋️szkolenie modeli + 🎨demonstracja modeli.
  • 1.5k
  • MIT

dsp

𝗗𝗦𝗣: Zademonstruj-Wyszukaj-Przewiduj. Ramy do komponowania modeli wyszukiwania i językowych dla NLP intensywnie korzystających z wiedzy.
  • 1.5k
  • MIT