Knihovny napsané v Jupyter Notebooku

sd-webui-colab

Úložiště pro údržbu verze Colab repozitáře stable-diffusion-webui.
  • 513
  • Apache License 2.0

diffusion_models

Série výukových sešitů o pravděpodobnostních modelech odšumování difúze v PyTorch (pomocí kyselin-ircam).
  • 512

Datos-COVID19

Další informace o datových zdrojích jsou ve vídeňském úložišti, které se vztahují k původnímu zdroji: "Data obtenidos desde el Ministerio de Ciencia y producidos por el Ministerio de Salud (o la fuente que korespondence) https://github.com/ MinCiencia/Datos-COVID19". Uveďte prosím původ údajů: vytvořeno chilským ministerstvem zdravotnictví a získáno od ministerstva vědy https://github.com/MinCiencia/Datos-COVID19“.
  • 512
  • Creative Commons Zero v1.0 Universal

dmol-book

Kniha Hluboké učení pro molekuly a materiály.
  • 511
  • GNU General Public License v3.0

cifar10-fast

  • 507
  • MIT

vscode-ayu

ayu téma pro vscode.
  • 506
  • MIT

Human-Segmentation-PyTorch

Modely lidské segmentace, trénovací/odvozovací kód a trénované váhy implementované v PyTorch.
  • 506

ithaca

Obnovování a připisování starověkých textů pomocí hlubokých neuronových sítí.
  • 501
  • Apache License 2.0

Data-Engineering-Projects

Projekty inženýrství osobních údajů.
  • 501

kglab

Graph Data Science: abstraktní vrstva v Pythonu pro vytváření znalostních grafů, integrovaná s populárními knihovnami grafů – na Pandas, NetworkX, RAPIDS, RDFlib, pySHACL, PyVis, morph-kgc, pslpython, pyarrow atd.
  • 499
  • MIT

TACO

🌮 Poznámky do koše v sadě nástrojů Context Dataset Toolkit (od pedropro).
  • 499
  • MIT

6S083

Materiály pro MIT 6. S083 / 18. S190: Výpočtové myšlení s Julií + aplikace na pandemii COVID-19.
  • 495
  • GNU General Public License v3.0

deltapy

DeltaPy – Tabulární rozšíření dat (od @firmai).
  • 494

jaxrl

JAX (Flax) implementace algoritmů pro Deep Reinforcement Learning s kontinuálními akčními prostory.
  • 494
  • MIT

Julia-DataFrames-Tutorial

Výukový program k balíčku Julia DataFrames.
  • 492
  • MIT

AeroSandbox

Optimalizace konstrukce letadla provedena rychle díky moderní automatické diferenciaci. Složitelné analytické nástroje pro aerodynamiku, pohon, konstrukce, návrh trajektorie a mnoho dalšího.
  • 490
  • MIT

joypy

Joyplots v Pythonu s matplotlib & pandas:chart_with_upwards_trend:.
  • 490
  • MIT

Deep-Reinforcement-Learning-Algorithms

32 projektů v rámci algoritmů Deep Reinforcement Learning: Q-learning, DQN, PPO, DDPG, TD3, SAC, A2C a další. Každý projekt je opatřen podrobným protokolem školení..
  • 485

LLVIP

LLVIP: Viditelná infračervená párová datová sada pro vidění při slabém osvětlení.
  • 484

Building-a-Simple-Chatbot-in-Python-using-NLTK

Vytvoření jednoduchého chatbota od nuly v Pythonu (pomocí NLTK).
  • 483

jax-cfd

Výpočetní dynamika tekutin v JAX.
  • 483
  • Apache License 2.0

EveryDream-trainer

Obecné jemné doladění pro stabilní difúzi.
  • 480
  • MIT

mathematicalpython

Úvod do matematického počítání v Pythonu a Jupyteru.
  • 477

Reactors

🌱 Připojte se ke komunitě vývojářů v Microsoft Reactor a spojte se s lidmi, dovednostmi a technologiemi, abyste mohli budovat svou kariéru nebo osobní učení. Nabízíme bezplatné živé přenosy, obsah na vyžádání a hybridní/osobní události denně po celém světě. Přístup k našim projektům a kódu zde..
  • 477
  • MIT

practical-mlops-book

[Kniha-2021] Praktická kniha MLOps O'Reilly.
  • 474

rl_games

RL implementace.
  • 474
  • MIT

facet

Umělá inteligence vysvětlitelná člověkem...
  • 471
  • Apache License 2.0

gtc2017-numba

Numba tutoriál pro konferenci GTC 2017.
  • 469

ghapi

Nádherné a kompletní rozhraní k úžasnému API GitHubu.
  • 467
  • Apache License 2.0