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

ld-decode

Zdefiniowany programowo dekoder LaserDisc.
  • 212
  • GNU General Public License v3.0 only

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

CodeTrans

Wstępnie wytrenowane modele językowe dla kodu źródłowego.
  • 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

BMT

Kod źródłowy „Transformatora bimodalnego do gęstych napisów wideo” (BMVC 2020).
  • 208
  • MIT

Multi-Type-TD-TSR

Wyodrębnianie tabel z obrazów dokumentów za pomocą wieloetapowego potoku do wykrywania tabel i rozpoznawania struktury tabeli:
  • 208
  • MIT

PX4-user_guide

Podręcznik użytkownika PX4.
  • 207
  • GNU General Public License v3.0

Python-for-Everyone

Przewodnik krok po kroku do nauki programowania w języku Python.
  • 207

covid19italia

  • 207
  • Creative Commons Attribution 4.0

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

ImageNetV2

Nowy zestaw testowy dla ImageNet.
  • 204
  • MIT

Deep-Q-Learning

Implementacja Tensorflow Deepminds dqn z podwójnymi sieciami pojedynków.
  • 204

EasyEdit

Łatwy w użyciu framework do edycji dużych modeli językowych.
  • 202
  • MIT

scatteract

Projekt implementujący ekstrakcję danych z wykresów punktowych.
  • 202

r

Używanie R z Jupyter/RStudio na Binderze (według przykładów bindera).
  • 202
  • BSD 3-clause "New" or "Revised"

fact-checker

Wyjścia LLM weryfikujące fakty za pomocą langchain.
  • 202

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

machinehearing

Uczenie maszynowe zastosowane do dźwięku.
  • 201

ProvingGround

Poligon doświadczalny: narzędzia do automatycznej matematyki.
  • 199
  • MIT

Best-Deep-Learning-Optimizers

Zbiór najnowszych, najlepszych optymalizatorów głębokiego uczenia (dla Pytorch) - odpowiedni dla CNN, NLP.
  • 197
  • Apache License 2.0