Библиотеки, написанные на Jupyter Notebook

ltt

Узнайте, а затем протестируйте: Калибровка алгоритмов прогнозирования для достижения контроля над рисками.

41
MIT

CoreML-samples

Пример кода для Core ML с использованием ResNet50, предоставленный Apple, и пользовательская модель, созданная coremltools.

41
MIT

ControllableTalkNet

Это модифицированная версия TalkNet от NVIDIA. Это управляемая сеть, которую можно использовать как для ЦП, так и для ГП.

41
Creative Commons Zero v1.0 Universal

guidance

Язык руководства для управления большими языковыми моделями. (Максимилиан-Винтер).

40
MIT

kivy-tensorflow-helloworld

Запустите логический вывод с помощью Tensorflow Lite на iOS, Android, MacOS, Windows и Linux с использованием Python.

40

amazon-rekognition-code-samples

Примеры кода Amazon Rekognition.

40
MIT No Attribution

nitroml

NitroML — это модульная, переносимая и масштабируемая среда сравнительного анализа качества моделей для конвейеров машинного обучения и автоматизированного машинного обучения (AutoML).

40
Apache License 2.0

Artifact_Removal_GAN

U-net GAN для удаления артефактов JPEG.

40
MIT

Transformer-Models-from-Scratch

реализация различных моделей трансформаторов под различные задачи.

40

full_spectrum_bioinformatics

Текст по биоинформатике в открытом доступе.

39

Transformer-in-Transformer

Реализация Transformer в Transformer в TensorFlow для классификации изображений, внимание внутри локальных патчей (от Rishit-dagli).

39
Apache License 2.0

DataDrivenDynSyst

Скрипты и записные книжки для сопровождения книги Data-Driven Methods for Dynamic Systems.

39
MIT

cdQnA

репозиторий документов и исследований о закрытых вопросах домена и ответах с LLM.

39

doohickey

Doohickey — это стабильный инструмент распространения для технических художников, которые хотят быть в курсе последних событий в этой области.

39

infery-examples

Коллекция демонстрационных приложений и сценариев вывода для различных сред глубокого обучения с использованием вывода (Python).

39
GNU General Public License v3.0

Data-Visualizations-Medium

Понимание моделей данных и машинного обучения с помощью визуализаций.

38
MIT

Multi-Modal-Comparators

Унифицированный API для облегчения использования предварительно обученных моделей «перцепторов», а-ля CLIP.

38

Deep-Learning-With-TensorFlow

Все ресурсы и практические упражнения для начала работы с Deep Learning в TensorFlow.

38
Apache License 2.0

Этот алгоритм использует прямоугольник, созданный пользователем, для идентификации элемента переднего плана. Затем пользователь может отредактировать, чтобы добавить или удалить объекты на переднем плане. Затем он удаляет фон и делает его прозрачным.