Biblioteki napisane w Jupyter Notebook
DataMUX
[NeurIPS 2022] DataMUX: multipleksowanie danych dla sieci neuronowych.
- 55
- GNU General Public License v3.0
california-coronavirus-scrapers
Skrobaki sieciowe typu open source, które zasilają narzędzie do śledzenia koronawirusa Los Angeles Times California.
- 53
- MIT
finite-element-networks
Referencyjna implementacja sieci elementów skończonych zgodnie z propozycją w „Uczenie się dynamiki systemów fizycznych na podstawie rzadkich obserwacji za pomocą sieci elementów skończonych” na ICLR 2022.
- 53
- MIT
OpenKF
Jest to biblioteka filtrów Kalmana C++ typu open source oparta na bibliotece Eigen3 do operacji na macierzach. Biblioteka zawiera ogólne klasy oparte na szablonach dla większości wariantów filtrów Kalmana, w tym: (1) Filtr Kalmana, (2) Rozszerzony filtr Kalmana, (3) Bezzapachowy filtr Kalmana i (4) Pierwiastek kwadratowy UKF...
- 52
- GNU General Public License v3.0 only
fellowship-prediction
Analizuje Twój profil GitHub i przedstawia raport o prawdopodobieństwie zostania kolejnym stypendystą MLH!.
- 51
- MIT
glami-1m
Największy wielojęzyczny zbiór danych klasyfikacji tekstu i obrazu. Zawiera produkty modowe..
- 50
- Apache License 2.0
openWakeWord
Platforma wykrywania słów (lub fraz) dźwięku typu open source z naciskiem na wydajność i prostotę.
- 50
- Apache License 2.0
HackThisAI
Przeciwstawne uczenie maszynowe (AML) Capture the Flag (CTF).
- 50
- GNU General Public License v3.0 only
datadoubleconfirm
Proste zestawy danych i notatniki do wizualizacji danych, analizy statystycznej i modelowania — z zapisami tutaj: http://projectosyo.wix.com/datadoubleconfirm..
- 49
- MIT
Self-Attention-Guidance
Realizacja artykułu „Improving Sample Quality of Diffusion Models using Self-Attention Guidance” (ICCV`23) (autor: SusungHong).
- 49
- MIT
Generalizing-Lottery-Tickets
To repozytorium zawiera kod do replikacji eksperymentów opisanych w artykule NeurIPS 2019 „One ticket to win all: generalising lottery initializations between datasets and optimisers”.
- 49
- MIT
living-documents
Jak używać notatników Jupyter i przecen R do tworzenia żywych dokumentów i powtarzalnych raportów.
- 49
- MIT
HackFest21
Dozwolone będą tylko prawidłowe żądania ściągnięcia. Używaj tylko Pythona, a zmiany readme nie będą akceptowane.
- 49
Siren-fastai2
Nieoficjalna implementacja „Niejawnych reprezentacji neuronowych z okresowymi funkcjami aktywacji”.
- 48
- MIT