Bibliothèques écrites en Jupyter Notebook

BestPractices

Choses que vous devriez (et ne devriez pas) faire dans votre recherche en informatique des matériaux. (par anthony-wang).
  • 128
  • MIT

entity-embed

Bibliothèque PyTorch pour transformer des entités telles que des entreprises, des produits, etc. en vecteurs afin de prendre en charge une liaison d'enregistrement/résolution d'entité évolutive à l'aide des voisins les plus proches approximatifs.
  • 128
  • MIT

embeddedml

Notes sur le Machine Learning on edge pour les usages embarqués/capteurs/IoT.
  • 127

boost-histogram

Liaisons Python pour la bibliothèque C++14 Boost::Histogram.
  • 127
  • BSD 3-clause "New" or "Revised"

factorio-blueprint-visualizer

Une bibliothèque python pour visualiser astucieusement les Blueprints Factorio et une démo Web interactive pour l'utiliser.
  • 127
  • MIT

document-ai-samples

Exemples d'applications et de démonstrations pour Document AI, la plate-forme de traitement de documents de bout en bout sur Google Cloud.
  • 126
  • Apache License 2.0

doc-browser

Un navigateur de documentation prenant en charge DevDocs, Dash et Hoogle, écrit en Haskell et QML.
  • 126
  • Mozilla Public License 2.0

transfers

données sur les transferts de footballeurs européens.
  • 126

fake-news

Construire un détecteur de fausses nouvelles de l'idéation initiale au déploiement du modèle.
  • 126
  • GNU Affero General Public License v3.0

xicor

xi méthode de corrélation adaptée pour python.
  • 126
  • MIT

ragas

Cadre d'évaluation pour vos pipelines Retrieval Augmented Generation (RAG).
  • 125
  • Apache License 2.0

bidd-molmap

MolMapNet: un ConvNet efficace avec des représentations moléculaires basées sur la connaissance pour l'apprentissage moléculaire en profondeur.
  • 125
  • GNU General Public License v3.0

Deep-Learning

Tutoriels approfondis sur l'apprentissage en profondeur. Le premier concerne la colorisation d'images à l'aide de GAN (Generative Adversarial Nets).
  • 125
  • MIT

gym-continuousDoubleAuction

Un environnement MARL (apprentissage par renforcement multi-agents) personnalisé dans lequel plusieurs agents s'échangent les uns contre les autres (auto-jeu) dans une double enchère continue à somme nulle. Ray [RLlib] est utilisé pour la formation.
  • 124
  • MIT

Traffic_Sign_Recognition_Efficient_CNNs

Un référentiel pour l'article "Reconnaissance des panneaux de signalisation en temps réel basée sur des CNN efficaces dans la nature".
  • 124
  • MIT

django-labeller

Un outil d'étiquetage d'image pour créer des ensembles de données de segmentation, pour Django et Flask.
  • 124
  • MIT

adventofcode

Advent of Code solutions 2015-2022 (par mjpieters).
  • 123
  • MIT

geov

Le modèle GeoV est un grand modèle de langage conçu par Georges Harik et utilise des plongements positionnels rotatifs avec des distances relatives (RoPER). Nous avons partagé un modèle de paramètre 9B pré-formé.
  • 123
  • Apache License 2.0

Wuerstchen

Implémentation officielle de Würstchen: préformation efficace des modèles texte-image.
  • 123
  • MIT

tinyms

Boîte à outils de développement d'apprentissage en profondeur facile à utiliser.
  • 123
  • Apache License 2.0

stable-diffusion-jupyterlab-docker

Générez des images avec Stable Diffusion dans JupyterLab!.
  • 123
  • GNU Affero General Public License v3.0

gastrodon

Visualisez les données RDF dans Jupyter avec Pandas.
  • 123
  • MIT

notebooks

Mettez en œuvre, démontrez, reproduisez et étendez les résultats des articles sur les risques « Apprentissage automatique différentiel » (2020) et « PCA avec une différence » (2021) par Huge et Savine, et couvrez les détails de mise en œuvre omis des articles. (par apprentissage automatique différentiel).
  • 121

auto_annotate

L'étiquetage est ennuyeux. Utilisez cet outil pour accélérer votre prochain projet de détection d'objets!.
  • 121
  • Apache License 2.0

CoordConv

Implémentation Pytorch de "Un échec intrigant des réseaux de neurones convolutifs et de la solution CoordConv" - https://arxiv.org/abs/1807.03247 (par walsvid).
  • 121
  • MIT

ETCI-2021-Competition-on-Flood-Detection

Expériences sur la segmentation des inondations sur l'imagerie SAR Sentinel-1 avec un pseudo-étiquetage cyclique et une formation bruyante pour les étudiants.
  • 120
  • Apache License 2.0

comet-examples

Exemples de code d'apprentissage automatique utilisant Comet.ml.
  • 120

Calliar

Un ensemble de données pour la calligraphie arabe en ligne. Une collection de 2500 styles calligraphiques annotés..
  • 120
  • MIT

language-table

Suite d'ensembles de données collectées par l'homme et une référence de contrôle continu multitâche pour l'apprentissage visuolinguomoteur à vocabulaire ouvert.
  • 119
  • Apache License 2.0