Bibliothèques écrites en Jupyter Notebook
sd-webui-colab
Un référentiel pour la maintenance de la version Colab du référentiel stable-diffusion-webui.
- 513
- Apache License 2.0
diffusion_models
Une série de cahiers de tutoriels sur le débruitage des modèles probabilistes de diffusion dans PyTorch (par acids-ircam).
- 512
Datos-COVID19
Para señalar fuente de los datos señalar que vienen de este repository, junto con la fuente de orígen: "Datos obtenidos desde el Ministerio de Ciencia y producidos por el Ministerio de Salud (o la fuente que corresponda) https://github.com/ MinCiencia/Datos-COVID19". Veuillez attribuer la provenance des données: produites par le ministère chilien de la Santé et obtenues auprès du ministère des Sciences https://github.com/MinCiencia/Datos-COVID19".
- 512
- Creative Commons Zero v1.0 Universal
dmol-book
Livre sur l'apprentissage profond des molécules et des matériaux.
- 511
- GNU General Public License v3.0
Human-Segmentation-PyTorch
Modèles de segmentation humaine, code d'entraînement/d'inférence et poids entraînés, implémentés dans PyTorch.
- 506
ithaca
Restauration et attribution de textes anciens à l'aide de réseaux de neurones profonds.
- 501
- Apache License 2.0
kglab
Graph Data Science: une couche d'abstraction en Python pour la création de graphes de connaissances, intégrée aux bibliothèques de graphes populaires - au sommet de Pandas, NetworkX, RAPIDS, RDFlib, pySHACL, PyVis, morph-kgc, pslpython, pyarrow, etc.
- 499
- MIT
6S083
Matériaux pour MIT 6. S083/18. S190: Pensée computationnelle avec Julia + application à la pandémie COVID-19.
- 495
- GNU General Public License v3.0
jaxrl
Implémentation JAX (Flax) d'algorithmes pour le Deep Reinforcement Learning avec des espaces d'action continus.
- 494
- MIT
AeroSandbox
Optimisation de la conception des avions accélérée grâce à la différenciation automatique moderne. Outils d'analyse composables pour l'aérodynamique, la propulsion, les structures, la conception de trajectoires, et bien plus encore.
- 490
- MIT
Deep-Reinforcement-Learning-Algorithms
32 projets dans le cadre d'algorithmes de Deep Reinforcement Learning: Q-learning, DQN, PPO, DDPG, TD3, SAC, A2C et autres. Chaque projet est fourni avec un journal de formation détaillé.
- 485
LLVIP
LLVIP: un ensemble de données appariées dans le visible et l'infrarouge pour la vision en basse lumière.
- 484
Building-a-Simple-Chatbot-in-Python-using-NLTK
Construire un chatbot simple à partir de zéro en Python (en utilisant NLTK).
- 483
Reactors
🌱 Rejoignez une communauté de développeurs chez Microsoft Reactor et connectez-vous avec des personnes, des compétences et des technologies pour développer votre carrière ou votre apprentissage personnel. Nous proposons quotidiennement des diffusions en direct gratuites, du contenu à la demande et des événements hybrides/en personne dans le monde entier. Accédez à nos projets et code ici..
- 477
- MIT
