Biblioteki napisane w Jupyter Notebook
alpha-mind
ilościowa analiza portfela zabezpieczeń. Potok analizy, w tym abstrakcja przechowywania danych, obliczenia alfa, łączenie alfa oparte na ML i obliczanie portfela.
- 212
- MIT
huggingpics
🤗🖼️ HuggingPics: dostosuj Transformatory wizji do wszystkiego, korzystając z obrazów znalezionych w Internecie.
- 210
notebooks
Zawartość tego repozytorium nie jest utrzymywana i jest aktywnie migrowana do innych repozytoriów. (przez teleskop kosmiczny).
- 210
- BSD 3-clause "New" or "Revised"
OpenEDU
:books: The Open Source Education Initiative – repozytorium z zasobami dla ponad 60 przedmiotów inżynierskich. Sprawmy, by edukacja była bardziej otwarta i dostępna!:rakieta::błyskotki:.
- 209
- MIT
minLoRA
minLoRA: minimalna biblioteka PyTorch, która pozwala zastosować LoRA do dowolnego modelu PyTorch.
- 209
- MIT
MoViNet-pytorch
Implementacja MoViNets PyTorch: Mobilne sieci wideo dla efektywnego rozpoznawania wideo;.
- 209
- MIT
tensorflow_Realtime_Multi-Person_Pose_Estimation
Wieloosobowy projekt szacowania pozycji dla Tensorflow 2.0 z małym i szybkim modelem opartym na MobilenetV3.
- 209
- GNU General Public License v3.0
Optimization-Python
Optymalizacja ogólna (LP, MIP, QP, optymalizacja ciągła i dyskretna itp.) z wykorzystaniem Pythona.
- 209
- MIT
Multi-Type-TD-TSR
Wyodrębnianie tabel z obrazów dokumentów za pomocą wieloetapowego potoku do wykrywania tabel i rozpoznawania struktury tabeli:
- 208
- MIT
tf-metal-experiments
TensorFlow Metal Backend w Apple Silicon Experiments (tylko dla zabawy).
- 207
- MIT
examples
Analizuj nieustrukturyzowane dane za pomocą Towhee, takie jak odwrotne wyszukiwanie obrazów, odwrotne wyszukiwanie wideo, klasyfikacja audio, systemy pytań i odpowiedzi, wyszukiwanie molekularne itp. (przez towhee-io).
- 207
- Apache License 2.0
CenterSnap
Kod Pytorcha dla artykułu ICRA'22: „Single-Shot Multi-Object 3D Shape Reconstruction and Kategorical 6D Pose and Size Estimation”.
- 206
Awesome_Satellite_Benchmark_Datasets
Udostępniamy materiał uzupełniający do naszego artykułu „NIE MA TAKICH DANYCH JAK WIĘCEJ DANYCH”.
- 205
TradingGym
Trading Gym to projekt typu open source służący do opracowywania algorytmów uczenia się przez wzmacnianie w kontekście handlu. (przy zatoczce 9988).
- 204
- MIT
r
Używanie R z Jupyter/RStudio na Binderze (według przykładów bindera).
- 202
- BSD 3-clause "New" or "Revised"
fraud-detection-using-machine-learning
Skonfiguruj kompleksową architekturę demonstracyjną do przewidywania oszustw za pomocą uczenia maszynowego przy użyciu Amazon SageMaker.
- 202
- Apache License 2.0
Best-Deep-Learning-Optimizers
Zbiór najnowszych, najlepszych optymalizatorów głębokiego uczenia (dla Pytorch) - odpowiedni dla CNN, NLP.
- 197
- Apache License 2.0