In Jupyter Notebook geschriebene Bibliotheken
TensorFlow-Examples
TensorFlow-Tutorial und Beispiele für Anfänger (unterstützt TF v1 und v2).
- 42.9k
- GNU General Public License v3.0
segment-anything
Das Repository bietet Code zum Ausführen von Inferenzen mit dem SegmentAnything Model (SAM), Links zum Herunterladen der trainierten Modellprüfpunkte und Beispielnotizbücher, die zeigen, wie das Modell verwendet wird.
- 36.6k
- Apache License 2.0
Made-With-ML
Erfahren Sie, wie Sie ML-Anwendungen in Produktionsqualität entwerfen, entwickeln, bereitstellen und iterieren.
- 33.7k
- MIT
nn
🧑🏫 60 Implementierungen/Tutorials von Deep-Learning-Aufsätzen mit Nebennotizen 📝; einschließlich Transformatoren (Original, XL, Switch, Feedback, Vit,...), Optimierer (Adam, Adabelief, Sophia,...), Gans (Cyclegan, Stylegan2,...), 🎮 Reinforcement Learning (PPO, DQN), Capsnet, Destillation,... 🧠.
- 32.2k
- MIT
Probabilistic-Programming-and-Bayesian-Methods-for-Hackers
Auch bekannt als „Bayesianische Methoden für Hacker“: Eine Einführung in Bayesianische Methoden + probabilistische Programmierung mit einem Blickwinkel, der zunächst auf Berechnung/Verstehen und dann auf Mathematik basiert. Alles in reinem Python;).
- 25.7k
- MIT
handson-ml2
Eine Reihe von Jupyter-Notizbüchern, die Sie durch die Grundlagen des maschinellen Lernens und des Deep Learning in Python mit Scikit-Learn, Keras und TensorFlow 2 führen.
- 25.3k
- Apache License 2.0
handson-ml
⛔️ VERALTET – Siehe stattdessen https://github.com/ageron/handson-ml3.
- 25.0k
- Apache License 2.0
homemade-machine-learning
🤖 Python-Beispiele für beliebte Algorithmen für maschinelles Lernen mit interaktiven Jupyter-Demos und erklärter Mathematik.
- 21.6k
- MIT
pytudes
Python-Programme, meist kurz, mit erheblichem Schwierigkeitsgrad, um bestimmte Fähigkeiten zu perfektionieren.
- 20.6k
- MIT
pydata-book
Materialien und IPython-Notizbücher für „Python for Data Analysis“ von Wes McKinney, veröffentlicht von O'Reilly Media.
- 19.8k
- GNU General Public License v3.0
shap
Ein spieltheoretischer Ansatz zur Erklärung der Ergebnisse jedes Modells für maschinelles Lernen.
- 19.8k
- MIT
reinforcement-learning
Implementierung von Reinforcement-Learning-Algorithmen. Python, OpenAI Gym, Tensorflow. Übungen und Lösungen zu Suttons Buch und David Silvers Kurs.
- 19.2k
- MIT
fastbook
Das Fastai-Buch, veröffentlicht als Jupyter Notebooks.
- 18.9k
- GNU General Public License v3.0
CLIP
CLIP (Contrastive Language-Image Pretraining): Sagen Sie den relevantesten Textausschnitt für ein Bild voraus.
- 16.7k
- MIT
InvokeAI
InvokeAI ist eine führende Kreativ-Engine für Stable Diffusion-Modelle, die Profis, Künstler und Enthusiasten in die Lage versetzt, visuelle Medien mithilfe der neuesten KI-gesteuerten Technologien zu generieren und zu erstellen. Die Lösung bietet eine branchenführende WebUI, unterstützt die Terminalnutzung über eine CLI und dient als Grundlage für mehrere kommerzielle Produkte.
- 16.7k
- Apache License 2.0
data
Daten und Code hinter den Artikeln und Grafiken bei FiveThirtyEight.
- 16.3k
- Creative Commons Attribution 4.0
awesome-python-applications
💿 Kostenlose Software, die hervorragend funktioniert und zufällig auch Open-Source-Python ist.
- 14.7k