Biblioteki napisane w Jupyter Notebook

examples

📝 Przykłady śledzenia eksperymentów, rejestrowania modeli, wersjonowania danych i monitorowania szkolenia modeli uczenia maszynowego na żywo w neptune.ai (przez neptune-ai).

48
MIT

Arabic-Handwritten-Images-Recognition

Model głębokiego uczenia się do łatwego klasyfikowania arabskich liter i cyfr.

48
MIT

dsse

Specyfikacja metod i formatów podpisywania używanych w projektach Secure Systems Lab.

47
Apache License 2.0

eigenlearning

baza kodu dla „Teorii odchylenia indukcyjnego i uogólnienia regresji jądra i szerokich sieci neuronowych”.

47

Traffic-Sign-Recognition-with-Deep-Learning-CNN

Rozpoznawanie znaków drogowych dzięki Deep Learning CNN.

47
Apache License 2.0

Google-Colab-Shell

Teraz możesz otworzyć powłokę w Google Collab.

46
Apache License 2.0

StableDiffusionUI_SageMakerSL

Notebook do uruchamiania Webui Automatic1111 Stable Diffusion w SageMaker Studio Lab.

46

dl-colab-notebooks

Wypróbuj modele głębokiego uczenia online w Google Colab.

46

pypge

Implementacja algorytmu PGE w języku Python.

46
MIT

strv-ml-mask2face

Wirtualnie zdejmij maskę, aby zobaczyć, jak osoba wygląda pod spodem.

45
MIT

Webcam_QR_Detector

Używanie kamery internetowej do odczytywania jednowymiarowych kodów kreskowych i kodów QR z Pythona 2 i 3.

45

Real-time-Object-Detection-for-Autonomous-Driving-using-Deep-Learning

Mój projekt Computer Vision z mojego kursu Computer Vision (jesień 2020) na Uniwersytecie Goethego we Frankfurcie, Niemcy. Porównanie wydajności najnowocześniejszych algorytmów wykrywania obiektów YOLO i Faster R-CNN w oparciu o zestaw danych Berkeley DeepDrive (BDD100K).