Bibliothèques écrites en Jupyter Notebook
CoreML-samples
Exemple de code pour Core ML utilisant ResNet50 fourni par Apple et un modèle personnalisé généré par coremltools.
- 41
- MIT
ControllableTalkNet
Il s'agit d'une version modifiée de TalkNet de NVIDIA. Il s'agit d'un réseau contrôlable qui peut être utilisé à la fois pour l'inférence CPU et GPU.
- 41
- Creative Commons Zero v1.0 Universal
guidance
Un langage de guidage pour contrôler de grands modèles de langage. (par Maximilien-Winter).
- 40
- MIT
kivy-tensorflow-helloworld
Exécutez l'inférence avec Tensorflow Lite sur iOS, Android, MacOS, Windows et Linux en utilisant Python.
- 40
nitroml
NitroML est un cadre d'analyse comparative de qualité de modèle modulaire, portable et évolutif pour les pipelines d'apprentissage automatique et d'apprentissage automatique (AutoML).
- 40
- Apache License 2.0
Transformer-Models-from-Scratch
mise en œuvre de divers modèles de transformateurs pour diverses tâches.
- 40
Transformer-in-Transformer
Une implémentation de Transformer dans Transformer dans TensorFlow pour la classification des images, attention à l'intérieur des patchs locaux (par Rishit-dagli).
- 39
- Apache License 2.0
DataDrivenDynSyst
Scripts et cahiers pour accompagner le livre Data-Driven Methods for Dynamic Systems.
- 39
- MIT
cdQnA
référentiel de documents et d'études sur les questions et réponses de domaine fermé avec LLM.
- 39
doohickey
Doohickey est un outil de diffusion stable pour les artistes techniques qui souhaitent se tenir au courant des derniers développements dans le domaine.
- 39
infery-examples
Une collection d'applications de démonstration et de scripts d'inférence pour divers cadres d'apprentissage en profondeur utilisant l'inférence (Python).
- 39
- GNU General Public License v3.0
Data-Visualizations-Medium
Comprendre les données et les modèles d'apprentissage automatique avec des visualisations.
- 38
- MIT
Multi-Modal-Comparators
API unifiée pour faciliter l'utilisation de modèles "percepteurs" pré-formés, à la CLIP.
- 38
Deep-Learning-With-TensorFlow
Toutes les ressources et exercices pratiques pour vous permettre de démarrer avec Deep Learning dans TensorFlow.
- 38
- Apache License 2.0
iterative-grabcut
Cet algorithme utilise un rectangle créé par l'utilisateur pour identifier l'élément de premier plan. Ensuite, l'utilisateur peut modifier pour ajouter ou supprimer des objets au premier plan. Ensuite, il supprime le fond et le rend transparent.
- 38
- MIT
Colab-Crypto-Mining
Expériences d'extraction de crypto-monnaie sur les ordinateurs portables Google CoLab.
- 38
- GNU General Public License v3.0 only
punchr
🥊 Composants pour mesurer les performances de mise à niveau de connexion directe via relais (DCUtR).
- 38
- Apache License 2.0
xrays-and-gradcam
Classification et localisation basée sur le gradient des radiographies thoraciques à l'aide de PyTorch..
- 37
- MIT
data-analytics-project-template
Un modèle de démarrage de projet Python pour l'analyse de données et la science des données.
- 37
- Apache License 2.0
TensorFlow2.0_Notebooks
Implémentation d'une série d'architectures de réseaux de neurones dans TensorFow 2.0.
- 37
- MIT