Knihovny napsané v Jupyter Notebooku

yolov3-tf2

YoloV3 Implementováno v Tensorflow 2.0.
  • 2.5k
  • MIT

ihaskell

Jádro Haskell pro projekt Jupyter..
  • 2.5k
  • MIT

course-content

Kurz NMA Computational Neuroscience.
  • 2.5k
  • Creative Commons Attribution 4.0

galai

Model API pro GALACTICA.
  • 2.5k
  • Apache License 2.0

Interactive Parallel Computing with IPython

IPython Parallel: Interaktivní paralelní výpočet v Pythonu.
  • 2.4k
  • GNU General Public License v3.0

stable-diffusion

Tato verze CompVis/stable-diffusion obsahuje interaktivní skript příkazového řádku, který kombinuje funkce text2img a img2img v rozhraní ve stylu „dream bot“, webového rozhraní a mnoha funkcí a dalších vylepšení. [Přesunuto na: https://github.com/invoke-ai/InvokeAI] (od lstein).
  • 2.4k
  • GNU General Public License v3.0

100-plus-Python-programming-exercises-extended

V repozitáři je asi 100+ pythonových programovacích úloh probíraných, vysvětlených a řešených různými způsoby.
  • 2.4k

diffusion-models-class

Materiály pro kurz Modely difúze objímání obličeje.
  • 2.4k
  • Apache License 2.0

mlops-course

Naučte se navrhovat, vyvíjet, nasazovat a udržovat komplexní aplikaci ML ve velkém měřítku.
  • 2.4k
  • MIT

shapash

🔅 Shapash: Uživatelsky přívětivá vysvětlitelnost a interpretovatelnost pro vývoj spolehlivých a transparentních modelů strojového učení.
  • 2.4k
  • Apache License 2.0

diff-svc

Konverze zpěvu pomocí difúzního modelu.
  • 2.4k
  • GNU Affero General Public License v3.0

3D-printed-mirror-array

3D tisknutelné šestiúhelníkové pole zrcadel schopné odrážet sluneční světlo do libovolných vzorů.
  • 2.3k
  • MIT

leetcode-company-wise-problems-2022

Seznamy společností moudrých otázek dostupných na leetcode premium. Každý soubor csv v adresáři společností odpovídá seznamu otázek o leetcode pro konkrétní společnost na základě značek společnosti leetcode. Aktualizováno od května 2022..
  • 2.3k
  • MIT

whylogs

Knihovna pro protokolování dat s otevřeným zdrojovým kódem pro modely strojového učení a datové kanály. 📚 Poskytuje přehled o kvalitě dat a výkonu modelu v průběhu času. 🛡️ Podporuje shromažďování dat o ochraně soukromí, zajišťuje bezpečnost a robustnost. 📈.
  • 2.3k
  • Apache License 2.0

stability-sdk

SDK pro interakci s API stability.ai (např. stabilní difúzní odvození).
  • 2.3k
  • MIT

Learning-Bitcoin-from-the-Command-Line

Kompletní kurz pro výuku programování a používání bitcoinů z příkazu [Přesunuto na: https://github.com/BlockchainCommons/Learning-Bitcoin-from-the-Command-Line] (od ChristopherA).
  • 2.3k

ML-foundations

Základy strojového učení: lineární algebra, počet, statistika a informatika.
  • 2.3k
  • MIT

waymo-open-dataset

Waymo Open Dataset.
  • 2.3k
  • GNU General Public License v3.0

selfie

Vzdělávací softwarový systém malého samokompilačního kompilátoru C, malého samospouštěcího emulátoru RISC-V a malého hypervizoru RISC-V s vlastním hostitelem.
  • 2.3k
  • BSD 2-clause "Simplified"

Kandinsky-2

Kandinsky 2 — vícejazyčný model latentní difúze text2image.
  • 2.3k
  • Apache License 2.0

Promptify

Rychlé inženýrství | K získání strukturovaného výstupu použijte GPT nebo jiné modely založené na výzvě. Připojte se k našemu sporu pro Prompt-Engineering, LLM a další nejnovější výzkum.
  • 2.3k
  • Apache License 2.0

benchmarking-gnns

Úložiště pro benchmarking grafových neuronových sítí.
  • 2.2k
  • MIT

prompt-to-prompt

  • 2.2k
  • Apache License 2.0

qiskit-tutorials

Sbírka notebooků Jupyter ukazující, jak používat Qiskit SDK.
  • 2.2k
  • Apache License 2.0

An-Introduction-to-Statistical-Learning

Toto úložiště obsahuje cvičení a jejich řešení obsažené v knize "Úvod do statistického učení" v pythonu.
  • 2.2k

datasets

🎁 Více než 4 800 000 unsplash obrázků zpřístupněných pro výzkum a strojové učení (pomocí unsplash).
  • 2.1k

algorithmica

Učebnice informatiky.
  • 2.1k

machine-learning-book

Úložiště kódu pro strojové učení s PyTorch a Scikit-Learn.
  • 2.1k
  • MIT

coursera-deep-learning-specialization

Poznámky, programovací úkoly a kvízy ze všech kurzů v rámci specializace Coursera Deep Learning, kterou nabízí deeplearning.ai: (i) Neuronové sítě a Deep Learning; (ii) Zlepšení hlubokých neuronových sítí: ladění hyperparametrů, regulace a optimalizace; (iii) strukturování projektů strojového učení; (iv) konvoluční neuronové sítě; (v) Sekvenční modely.
  • 2.1k

pytorch-GAT

Moje implementace původního článku GAT (Veličković et al.). Dále jsem zahrnul soubor hřiště.py pro vizualizaci datové sady Cora, vložení GAT, mechanismus pozornosti a histogramy entropie. Podporoval jsem příklady Cora (transduktivní) i PPI (induktivní)!.
  • 2.1k
  • MIT