Bibliothèques écrites en Jupyter Notebook
Information-Retrieval
Algorithmes de recherche d'informations développés en python. Pour suivre les articles du blog, cliquez sur le lien: (par williamscott701).
- 119
finn-examples
Exemples d'accélérateur d'inférence Dataflow QNN sur FPGA.
- 118
- BSD 3-clause "New" or "Revised"
scCODA
Un modèle bayésien pour l'analyse de données de composition unicellulaire.
- 117
- BSD 3-clause "New" or "Revised"
ros-realtime-rpi4-image
Une image pour le Raspberry Pi 4 avec ROS 2 et Linux RT préinstallés.
- 117
- Apache License 2.0
vid2cleantxt
API Python et outil de ligne de commande pour transcrire facilement des fichiers vidéo vocaux en texte propre.
- 116
- Apache License 2.0
FastLoRAChat
Instruct-tune LLaMA sur le matériel grand public avec des données shareGPT.
- 116
- Apache License 2.0
ethereum-economic-model
Un modèle de systèmes dynamiques modulaires de l'économie du validateur d'Ethereum.
- 116
- GNU General Public License v3.0 only
DallEval
DALL-Eval: Sonder les capacités de raisonnement et les préjugés sociaux des transformateurs génératifs de texte en image.
- 115
- MIT
Basic-UI-for-GPT-J-6B-with-low-vram
Un référentiel pour exécuter gpt-j-6b sur des machines à faible vram (4,2 Go minimum de vram pour un contexte de 2 000 jetons, 3,5 Go pour un contexte de 1 000 jetons). Le chargement du modèle nécessite 12 Go de RAM libre.
- 115
- Apache License 2.0
cpi
Ajustez rapidement les dollars américains en fonction de l'inflation à l'aide de l'indice des prix à la consommation (IPC).
- 114
- MIT
nfl-fantasy-football
Ce dépôt contient des scripts pour collecter et analyser les données des ligues de football fantastiques Yahoo.
- 114
- MIT
Behavior-Sequence-Transformer-Pytorch
Il s'agit d'une implémentation pytorch pour le modèle BST d'Alibaba https://arxiv.org/pdf/1905.06874.pdf.
- 113
- MIT
PyImpetus
PyImpetus est un algorithme de sélection de sous-ensemble de fonctionnalités basé sur une couverture de Markov qui considère les fonctionnalités à la fois séparément et ensemble en tant que groupe afin de fournir non seulement le meilleur ensemble de fonctionnalités, mais également la meilleure combinaison de fonctionnalités.
- 110
- MIT
Deep-Learning-for-BCI
Ressources pour le livre: Apprentissage en profondeur pour l'interface cerveau-ordinateur basée sur l'EEG: représentations, algorithmes et applications.
- 110
- MIT
Supervised-Constrastive-Learning-in-TensorFlow-2
Met en œuvre les idées présentées dans https://arxiv.org/pdf/2004.11362v1.pdf par Khosla et al. [Déplacé vers: https://github.com/sayakpaul/Supervised-Contrastive-Learning-in-TensorFlow-2].
- 110
GTSRB
Réseau de neurones convolutifs pour la référence de reconnaissance des panneaux de signalisation allemands.
- 109
- MIT
vits-japanese
无需情感标注的情感可控语音合成模型,基于VITS [Moved to: https://github.com/innnky/emotional-vits].
- 108
- MIT
llama_generative_agent
Une implémentation d'agent génératif pour les modèles basés sur LLaMA, dérivée de l'implémentation de langchain.
- 107
- Apache License 2.0
SoccerTrack
Un ensemble de données et un algorithme de suivi pour le football avec des vidéos Fish-eye et Drone..
- 107
- GNU General Public License v3.0 only
Astroniz-YT-Tutorials
Dépôt de ma série de didacticiels sur les sciences spatiales avec Python YT.
- 107
- MIT
STOCK-RETURN-PREDICTION-USING-KNN-SVM-GUASSIAN-PROCESS-ADABOOST-TREE-REGRESSION-AND-QDA
Prévoir les cours des actions à l'aide d'une approche d'apprentissage automatique. Une analyse de séries chronologiques. Utilisez l'utilisation de la modélisation prédictive dans l'apprentissage automatique pour prévoir le rendement des actions. Approche utilisée par les fonds spéculatifs pour sélectionner les actions négociables.
- 106
- MIT