Biblioteki napisane w Jupyter Notebook

GPU-Puzzles

Rozwiązuj zagadki. Naucz się CUDA...
  • 3.5k
  • MIT

HELK

Polowanie ELK.
  • 3.5k
  • GNU General Public License v3.0 only

ArtLine

Projekt oparty na głębokim uczeniu się do tworzenia portretów kreskowych.
  • 3.4k
  • MIT

adanet

Szybki i elastyczny AutoML z gwarancjami uczenia się.
  • 3.4k
  • Apache License 2.0

fastpages

Łatwa w użyciu platforma do blogowania z ulepszoną obsługą Jupyter Notebooks.
  • 3.4k
  • Apache License 2.0

ThinkDSP

Think DSP: Digital Signal Processing in Python, autor: Allen B. Downey.
  • 3.4k

deep-text-recognition-benchmark

Rozpoznawanie tekstu (optyczne rozpoznawanie znaków) metodami głębokiego uczenia.
  • 3.4k
  • Apache License 2.0

scientific-python-lectures

Wykłady na temat obliczeń naukowych z pythonem, jako zeszyty IPython..
  • 3.4k

pyannote-audio

Neuronowe bloki budulcowe do diaryzacji mówców: wykrywanie aktywności mowy, wykrywanie zmiany mówcy, wykrywanie nakładającej się mowy, osadzanie mówcy.
  • 3.4k
  • MIT

course-nlp

Code-First Wprowadzenie do kursu NLP.
  • 3.3k

alpha-zero-general

Czysta implementacja oparta na AlphaZero dla dowolnej gry w dowolnym frameworku + samouczek + Othello/Gobang/TicTacToe/Connect4 i więcej.
  • 3.3k
  • MIT

go-profiler-notes

notatki felixge'a na temat różnych dostępnych metod profilowania go.
  • 3.3k
  • Creative Commons Attribution Share Alike 4.0

Deep-Learning

  • 3.3k
  • MIT

faceswap-GAN

Odszumiający autoenkoder + straty przeciwników i mechanizmy uwagi do zamiany twarzy.
  • 3.3k

Conference-Acceptance-Rate

Wskaźniki akceptacji dla głównych konferencji AI.
  • 3.2k
  • MIT

VToonify

[SIGGRAPH Asia 2022] VToonify: kontrolowane przesyłanie stylów wideo portretów w wysokiej rozdzielczości.
  • 3.2k
  • GNU General Public License v3.0

LSTM-Human-Activity-Recognition

Przykład rozpoznawania aktywności człowieka przy użyciu TensorFlow na zbiorze danych czujników smartfona i LSTM RNN. Klasyfikacja rodzaju ruchu wśród sześciu kategorii aktywności – Guillaume Chevalier.
  • 3.2k
  • MIT

Luotuo-Chinese-LLM

骆驼(Luotuo): Open Sourced Chinese Language Models. Developed by 陈启源 @ 华中师范大学 & 李鲁鲁 @ 商汤科技 & 冷子昂 @ 商汤科技.
  • 3.1k
  • Apache License 2.0

BLIP

Kod PyTorch dla BLIP: Wstępne szkolenie Bootstrapping Language-Image dla ujednoliconego zrozumienia i generowania wizji-języka.
  • 3.1k
  • BSD 3-clause "New" or "Revised"

ML-Workspace

🛠 Uniwersalne internetowe IDE wyspecjalizowane w uczeniu maszynowym i analizie danych.
  • 3.1k
  • Apache License 2.0

EconML

ALICE (Automated Learning and Intelligence for Causation and Economics) to projekt Microsoft Research mający na celu zastosowanie koncepcji sztucznej inteligencji w podejmowaniu decyzji ekonomicznych. Jednym z jego celów jest zbudowanie zestawu narzędzi łączącego najnowocześniejsze techniki uczenia maszynowego z ekonometrią w celu automatyzacji złożonych problemów wnioskowania przyczynowego. Do tej pory ALICE Python SDK (econml) implementuje ortogonalne algorytmy uczenia maszynowego, takie jak podwójne uczenie maszynowe.
  • 3.1k
  • GNU General Public License v3.0

vissl

VISSL to biblioteka rozszerzalnych, modułowych i skalowalnych komponentów firmy FAIR do samodzielnego uczenia się SOTA z obrazami.
  • 3.1k
  • MIT

stable-diffusion

Zoptymalizowana stabilna dyfuzja zmodyfikowana do działania na niższej pamięci VRAM GPU (autor: basujindal).
  • 3.1k
  • GNU General Public License v3.0

whisper-jax

Implementacja JAX modelu Whisper OpenAI dla nawet 70-krotnego przyspieszenia na TPU.
  • 3.0k
  • Apache License 2.0

RL-Adventure-2

Implementacja PyTorch0.4: aktor krytyk / proksymalna optymalizacja polityki / acer / ddpg / bliźniacze pojedynki ddpg / miękki krytyk aktorski / generatywne przeciwstawne naśladowanie uczenia się / powtórka doświadczenia z perspektywy czasu.
  • 3.0k

Dreambooth-Stable-Diffusion

Implementacja Dreambooth (https://arxiv.org/abs/2208.12242) za pomocą Textual Inversion (https://arxiv.org/abs/2208.01618) dla stabilnej dystrybucji (https://arxiv.org/abs/2112.10752). Poprawki skupiły się na szkoleniu twarzy, obiektów i stylów. (przez Joe Pennę).
  • 3.0k
  • MIT

python-training

Szkolenie w języku Python dla analityków biznesowych i traderów.
  • 3.0k
  • Apache License 2.0

pixel2style2pixel

Oficjalna implementacja „Encoding in Style: a StyleGAN Encoder for Image-to-Image Translation” (CVPR 2021) prezentująca framework pixel2style2pixel (pSp).
  • 3.0k
  • MIT

starter-hugo-academic

🎓 Hugo Academic Theme 创建一个学术网站. Easily create a beautiful academic résumé or educational website using Hugo and GitHub..
  • 3.0k
  • MIT

web-stable-diffusion

Wprowadzanie stabilnych modeli rozpowszechniania do przeglądarek internetowych. Wszystko działa w przeglądarce bez obsługi serwera.
  • 3.0k
  • Apache License 2.0