Knihovny napsané v Jupyter Notebooku

alpha-mind

kvantitativní analýza portfolia bezpečnosti. Analytický kanál včetně abstrakce datového úložiště, výpočtu alfa, kombinování alfa na základě ML a výpočtu portfolia.
  • 212
  • MIT

ld-decode

Softwarově definovaný dekodér LaserDisc.
  • 212
  • GNU General Public License v3.0 only

huggingpics

🤗🖼️ HuggingPics: Vylaďte Vision Transformers pro cokoli pomocí obrázků nalezených na webu.
  • 210

notebooks

Obsah v tomto úložišti není udržován a je aktivně migrován do jiných úložišť. (pomocí vesmírného dalekohledu).
  • 210
  • BSD 3-clause "New" or "Revised"

OpenEDU

:books: The Open Source Education Initiative – repozitář se zdroji pro více než 60 technických předmětů. Udělejme vzdělávání otevřenější a přístupnější!:raketa::jiskří:.
  • 209
  • MIT

minLoRA

minLoRA: minimální knihovna PyTorch, která vám umožňuje aplikovat LoRA na jakýkoli model PyTorch.
  • 209
  • MIT

MoViNet-pytorch

Implementace MoViNets PyTorch: Mobilní video sítě pro efektivní rozpoznávání videa;.
  • 209
  • MIT

CodeTrans

Předtrénované jazykové modely pro zdrojový kód.
  • 209
  • MIT

tensorflow_Realtime_Multi-Person_Pose_Estimation

Projekt Multi-Person Pose Estimation pro Tensorflow 2.0 s malým a rychlým modelem založeným na MobilenetV3.
  • 209
  • GNU General Public License v3.0

Optimization-Python

Obecná optimalizace (LP, MIP, QP, spojitá a diskrétní optimalizace atd.) pomocí Pythonu.
  • 209
  • MIT

BMT

Zdrojový kód pro "Bi-modal Transformer for Dense Video Captioning" (BMVC 2020).
  • 208
  • MIT

Multi-Type-TD-TSR

Extrahování tabulek z obrázků dokumentů pomocí vícefázového potrubí pro detekci tabulek a rozpoznávání struktury tabulek:.
  • 208
  • MIT

PX4-user_guide

Uživatelská příručka PX4.
  • 207
  • GNU General Public License v3.0

Python-for-Everyone

Průvodce krok za krokem, jak se naučit programování v Pythonu.
  • 207

covid19italia

  • 207
  • Creative Commons Attribution 4.0

tf-metal-experiments

TensorFlow Metal Backend na Apple Silicon Experiments (jen pro zábavu).
  • 207
  • MIT

examples

Analyzujte nestrukturovaná data pomocí Towhee, jako je zpětné vyhledávání obrázků, zpětné vyhledávání videa, klasifikace zvuku, systémy otázek a odpovědí, molekulární vyhledávání atd. (pomocí towhee-io).
  • 207
  • Apache License 2.0

CenterSnap

Pytorch kód pro papír ICRA'22: "Single-Shot Multi-Object 3D Shape Reconstruction and Categorical 6D Pose and Size Estimation".
  • 206

Awesome_Satellite_Benchmark_Datasets

Poskytujeme doplňkový materiál k našemu příspěvku "NEJSOU ŽÁDNÁ DATA JAKO VÍCE DAT".
  • 205

TradingGym

Trading Gym je open source projekt pro vývoj posilovacích výukových algoritmů v kontextu obchodování. (podle cove9988).
  • 204
  • MIT

ImageNetV2

Nová testovací sada pro ImageNet.
  • 204
  • MIT

Deep-Q-Learning

Implementace Tensorflow Deepminds dqn s dvojitými soubojovými sítěmi.
  • 204

EasyEdit

Snadno použitelný rámec pro úpravu velkých jazykových modelů...
  • 202
  • MIT

scatteract

Projekt implementující extrakci dat z bodových grafů.
  • 202

r

Použití R s Jupyter / RStudio na Binderu (příklady pořadače).
  • 202
  • BSD 3-clause "New" or "Revised"

fact-checker

Ověřování faktů výstupů LLM pomocí langchainu.
  • 202

fraud-detection-using-machine-learning

Nastavte demo architekturu od začátku do konce pro předpovídání podvodných událostí pomocí strojového učení pomocí Amazon SageMaker.
  • 202
  • Apache License 2.0

machinehearing

Strojové učení aplikované na zvuk.
  • 201

ProvingGround

Proving Ground: Nástroje pro automatizovanou matematiku.
  • 199
  • MIT

Best-Deep-Learning-Optimizers

Sbírka nejnovějších, nejlepších optimalizátorů hlubokého učení (pro Pytorch) - vhodné pro CNN, NLP.
  • 197
  • Apache License 2.0