Bibliothèques écrites en Jupyter Notebook

Recherche et programmation de divers exemples mathématiques intéressants.

Édition sémantique d'images en temps réel avec une interface multi-paramètres pour les directions globales StyleCLIP.

Un thème du Los Angeles Times pour la bibliothèque de visualisation statistique Altair de Python.

Découvrez quels sont les villages les plus chauds du Kerala avec l'aide de l'ordinateur planétaire de Microsoft.

Un cadre cohérent basé sur le classement pour la segmentation.

Utilisation de Llama2 avec Haystack, le framework NLP/LLM.

Peut-on estimer l'impact économique de l'EIP-1559 sur les mineurs? Ce référentiel tente d'estimer la perte de revenus des mineurs provenant des frais de transaction, en utilisant les données historiques d'Ethereum.

Alors que l'apprentissage en profondeur est un sous-ensemble de l'apprentissage automatique, la méthodologie de prédiction dans l'apprentissage en profondeur est différente et fonctionne de la même manière qu'un cerveau humain utilise des voies neuronales pour traiter les informations et en tirer des enseignements. Dans cet atelier, nous découvrirons les éléments constitutifs de l'apprentissage en profondeur, les réseaux de neurones et leur fonctionnement. Nous commencerons par la régression logistique - un algorithme de classification de réseau neuronal simple et basique, n'ayant qu'un réseau neuronal à une couche. Ce sont les ressources pour le premier se.

Rendre Python encore meilleur.

Thème sombre Basado dans la palette de Color original de Gruvbox de Morhetz pour Visual Studio Code..

Un référentiel avec des exemples sur les connaissances essentielles du génie chimique.

Implémentations de différentes techniques d'élagage de réseaux de neurones.

Permet la création de pipelines NLP complexes en quelques secondes, pour le traitement de fichiers statiques ou de texte en continu, à l'aide d'un ensemble d'outils de ligne de commande simples. Effectuez plusieurs opérations sur du texte comme NER, Sentiment Analysis, Chunking, Language Identification, Q&A, 0-shot Classification et plus encore en exécutant une seule commande dans le terminal. Peut être utilisé comme une solution de traitement du langage naturel à faible code ou sans code. Fonctionne également avec Kubernetes et PySpark!.

TF Servir des démos.

Code pour reproduire les expériences de l'article "Continual Pre-Training Mitigates Forgetting in Language and Vision" https://arxiv.org/abs/2205.09357.

Определение количества позиций товара на витрине по фотографиям. (label-studio, yolov5, torche, rabbitmq, pika, docker-compose).

Bienvenue au Hacktoberfest Challenge pour l'Intelligence Artificielle / Machine Learning! Aujourd'hui, nous évaluerons vos compétences pour prédire les zones de feux de forêt compte tenu de ses différents paramètres!.

Implémentation de Dreambooth (https://arxiv.org/abs/2208.12242) avec Stable Diffusion (by Arkitecc).

Ce référentiel contient le code Tensorflow 2 pour le chapitre sur les mécanismes d'attention du livre Dive into Deep Learning (D2L).

Détection rapide NSFW pour une diffusion stable.

Un portage de GOBIG pour Stable Diffusion.

Automate & Cognition.

Instructions et code pour l'atelier "From Big Data to NLP Insights: Unlocking the Power of PySpark and Spark NLP".

Un outil pour comparer les séries chronologiques sur différentes bases de données.