Bibliothèques écrites en Jupyter Notebook

ltt

Apprendre puis tester: Calibrer les algorithmes prédictifs pour maîtriser les risques.

41
MIT

mlattacks

Série d'attaques d'apprentissage automatique.

41

CoreML-samples

Exemple de code pour Core ML utilisant ResNet50 fourni par Apple et un modèle personnalisé généré par coremltools.

41
MIT

notebooks

Blocs-notes Google Colab (par nagolinc).

41

ControllableTalkNet

Il s'agit d'une version modifiée de TalkNet de NVIDIA. Il s'agit d'un réseau contrôlable qui peut être utilisé à la fois pour l'inférence CPU et GPU.

41
Creative Commons Zero v1.0 Universal

guidance

Un langage de guidage pour contrôler de grands modèles de langage. (par Maximilien-Winter).

40
MIT

kivy-tensorflow-helloworld

Exécutez l'inférence avec Tensorflow Lite sur iOS, Android, MacOS, Windows et Linux en utilisant Python.

40

amazon-rekognition-code-samples

Exemples de code de reconnaissance Amazon.

40
MIT No Attribution

nitroml

NitroML est un cadre d'analyse comparative de qualité de modèle modulaire, portable et évolutif pour les pipelines d'apprentissage automatique et d'apprentissage automatique (AutoML).

40
Apache License 2.0

Artifact_Removal_GAN

Un GAN U-net pour la suppression des artefacts jpeg.

40
MIT

Transformer-Models-from-Scratch

mise en œuvre de divers modèles de transformateurs pour diverses tâches.

40

full_spectrum_bioinformatics

Un texte de bioinformatique en libre accès.

39

Transformer-in-Transformer

Une implémentation de Transformer dans Transformer dans TensorFlow pour la classification des images, attention à l'intérieur des patchs locaux (par Rishit-dagli).

39
Apache License 2.0

DataDrivenDynSyst

Scripts et cahiers pour accompagner le livre Data-Driven Methods for Dynamic Systems.

39
MIT

cdQnA

référentiel de documents et d'études sur les questions et réponses de domaine fermé avec LLM.

39

doohickey

Doohickey est un outil de diffusion stable pour les artistes techniques qui souhaitent se tenir au courant des derniers développements dans le domaine.

39

infery-examples

Une collection d'applications de démonstration et de scripts d'inférence pour divers cadres d'apprentissage en profondeur utilisant l'inférence (Python).

39
GNU General Public License v3.0

Data-Visualizations-Medium

Comprendre les données et les modèles d'apprentissage automatique avec des visualisations.

38
MIT

Multi-Modal-Comparators

API unifiée pour faciliter l'utilisation de modèles "percepteurs" pré-formés, à la CLIP.

38

Deep-Learning-With-TensorFlow

Toutes les ressources et exercices pratiques pour vous permettre de démarrer avec Deep Learning dans TensorFlow.

38
Apache License 2.0

Cet algorithme utilise un rectangle créé par l'utilisateur pour identifier l'élément de premier plan. Ensuite, l'utilisateur peut modifier pour ajouter ou supprimer des objets au premier plan. Ensuite, il supprime le fond et le rend transparent.