Bibliothèques écrites en Jupyter Notebook

codespaces-jupyter

Explorez l'apprentissage automatique et la science des données avec Codespaces (par github).
  • 375
  • MIT

osumapper

Un générateur de beatmap automatique utilisant Tensorflow / Deep Learning..
  • 375
  • Apache License 2.0

monad-bayes

Une bibliothèque pour la programmation probabiliste en Haskell..
  • 374
  • MIT

dressing-in-order

(ICCV'21) Code officiel de « Dressing in Order: Recurrent Person Image Generation for Pose Transfer, Virtual Try-on and Outfit Editing » par Aiyu Cui, Daniel McKee et Svetlana Lazebnik.
  • 373
  • GNU General Public License v3.0

Compositional-Visual-Generation-with-Composable-Diffusion-Models-PyTorch

[ECCV 2022] Génération compositionnelle à l'aide de modèles de diffusion.
  • 371
  • GNU General Public License v3.0

blended-latent-diffusion

Implémentation officielle pour "Blended Latent Diffusion" [SIGGRAPH 2023].
  • 370
  • MIT

practical_cheminformatics_tutorials

Tutoriels pratiques de chimioinformatique.
  • 369
  • MIT

malaya

Boîte à outils de langage naturel pour la Malaisie bahasa, https://malaya.readthedocs.io/.
  • 369
  • MIT

UC2-GIT

Référentiel pour système de microscope modulaire Open-Science..
  • 368
  • GNU General Public License v3.0

fromage

🧀 Code et modèles pour l'article ICML 2023 "Grounding Language Models to Images for Multimodal Inputs and Outputs"..
  • 368
  • Apache License 2.0

SOAT

Dépôt officiel de PyTorch pour StyleGAN de tous les métiers: manipulation d'images avec uniquement StyleGAN pré-entraîné.
  • 367
  • MIT

alphatools

Outils de recherche financière quantitative en Python.
  • 366
  • Apache License 2.0

alpaca-lora

Instruct-tune LLaMA sur le matériel grand public (par chris-alexiuk-1).
  • 365
  • Apache License 2.0

serverless-ml-course

Cours d'apprentissage automatique sans serveur pour créer des services de prédiction basés sur l'IA à partir de modèles et de fonctionnalités.
  • 364
  • Creative Commons Zero v1.0 Universal

FOXTracker

Traqueur de pose de tête faciale pour les jeux.
  • 364
  • GNU Lesser General Public License v3.0 only

trulens

Évaluation et suivi des expériences LLM.
  • 363
  • MIT

amazon-textract-code-samples

Exemples de code de texte Amazon.
  • 361
  • MIT No Attribution

maxvit

[ECCV 2022] Dépôt officiel de "MaxViT: Multi-Axis Vision Transformer". Modèles de base SOTA pour la classification, la détection, la segmentation, la qualité d'image et la modélisation générative....
  • 360
  • Apache License 2.0

whotracks.me

Données issues de la plus grande et de la plus longue mesure de suivi en ligne.
  • 359
  • MIT

Workshops

Ateliers organisés pour initier les étudiants à la sécurité, l'IA, la blockchain, l'AR/VR, le matériel et les logiciels (par PoCInnovation).
  • 353
  • MIT

replika-research

Documents de recherche, affiches, diapositives et ensembles de données Replika.ai.
  • 351

HIPT

Transformateur pyramidal d'images hiérarchiques - CVPR 2022 (oral).
  • 350
  • GNU General Public License v3.0

stable-diffusion-prompt-inpainting

Ce projet vous aide à effectuer une inpeinture basée sur des invites sans avoir à peindre le masque - en utilisant Stable Diffusion et Clipseg.
  • 350

godot_oculus_quest_toolkit

Une boîte à outils VR facile à utiliser pour le développement d'Oculus Quest à l'aide du moteur de jeu Godot.
  • 348
  • MIT

Gather-Deployment

Rassemble déploiement et pratiques, 100% Docker..
  • 348
  • MIT

hamiltonian-nn

Code pour notre article "Hamiltonian Neural Networks".
  • 347
  • Apache License 2.0

CodeProject.AI-Server

CodeProject SenseAI est un service autonome que les développeurs de logiciels peuvent inclure et distribuer avec leurs applications afin d'augmenter leurs applications avec la puissance de l'IA.
  • 345
  • GNU General Public License v3.0

UnpromptedControl

Supprimez les objets indésirables et restaurez les images sans invites, alimenté par ControlNet..
  • 344
  • GNU General Public License v3.0

IElixir

Noyau de Jupyter pour le langage de programmation Elixir.
  • 344
  • Apache License 2.0

Data_Structures_and_Algorithms_in_Python

:book: Worked Solutions of "Data Structures & Algorithms in Python", écrit par Michael T. Goodrich, Roberto Tamassia et Michael H. Goldwasser. ✏️.
  • 343