In Jupyter Notebook geschriebene Bibliotheken

sd-webui-colab

Ein Repo für die Wartung der Colab-Version des Stable-Diffusion-Webui-Repos.

513
Apache License 2.0

diffusion_models

Eine Reihe von Tutorial-Notizbüchern zur Entrauschung von Diffusions-Wahrscheinlichkeitsmodellen in PyTorch (von Acids-Ircam).

512

Um zu sehen, ob die Daten vorliegen, die dieses Archiv enthält, zusammen mit dem Ursprungsort: „Vom Ministerio de Ciencia erhaltene Daten und vom Ministerio de Salud produzierte Daten (der entsprechende Standort) https://github.com/ MinCiencia/Datos-COVID19". Bitte geben Sie die Datenherkunft an: erstellt vom chilenischen Gesundheitsministerium und erhalten vom Wissenschaftsministerium https://github.com/MinCiencia/Datos-COVID19“.

512
Creative Commons Zero v1.0 Universal

dmol-book

Buch „Deep Learning für Moleküle und Materialien“.

511
GNU General Public License v3.0

cifar10-fast

507
MIT

vscode-ayu

Ayu-Theme für vscode.

506
MIT

Human-Segmentation-PyTorch

Menschliche Segmentierungsmodelle, Trainings-/Inferenzcode und trainierte Gewichte, implementiert in PyTorch.

506

ithaca

Wiederherstellung und Zuordnung alter Texte mithilfe tiefer neuronaler Netze.

501
Apache License 2.0

Data-Engineering-Projects

Persönliche Daten-Engineering-Projekte.

501

kglab

Graph Data Science: eine Abstraktionsschicht in Python zum Erstellen von Wissensgraphen, integriert in gängige Graphbibliotheken – auf Pandas, NetworkX, RAPIDS, RDFlib, pySHACL, PyVis, morph-kgc, pslpython, pyarrow usw.

499
MIT

TACO

🌮 Papierkorbanmerkungen im Context Dataset Toolkit (von pedropro).

499
MIT

6S083

Materialien für MIT 6. S083 / 18. S190: Computational Thinking mit Julia + Anwendung auf die COVID-19-Pandemie.

495
GNU General Public License v3.0

deltapy

DeltaPy – Tabellarische Datenerweiterung (von @firmai).

494

jaxrl

JAX (Flax)-Implementierung von Algorithmen für Deep Reinforcement Learning mit kontinuierlichen Aktionsräumen.

494
MIT

Julia-DataFrames-Tutorial

Ein Tutorial zum Julia DataFrames-Paket.

492
MIT

AeroSandbox

Schnelle Optimierung des Flugzeugdesigns durch moderne automatische Differenzierung. Zusammensetzbare Analysewerkzeuge für Aerodynamik, Antrieb, Strukturen, Flugbahndesign und vieles mehr.

490
MIT

joypy

Joyplots in Python mit Matplotlib & Pandas:chart_with_upwards_trend:.

490
MIT

Deep-Reinforcement-Learning-Algorithms

32 Projekte im Rahmen von Deep Reinforcement Learning-Algorithmen: Q-Learning, DQN, PPO, DDPG, TD3, SAC, A2C und andere. Zu jedem Projekt wird ein detailliertes Schulungsprotokoll erstellt.

485

LLVIP

LLVIP: Ein gepaarter Datensatz aus sichtbarem und infrarotem Licht für das Sehen bei schlechten Lichtverhältnissen.

484

Building-a-Simple-Chatbot-in-Python-using-NLTK

Erstellen eines einfachen Chatbots von Grund auf in Python (mit NLTK).

483

jax-cfd

Computational Fluid Dynamics in JAX.

483
Apache License 2.0

EveryDream-trainer

Allgemeine Feinabstimmung für stabile Diffusion.

480
MIT

mathematicalpython

Einführung in das mathematische Rechnen mit Python und Jupyter.

477

Reactors

🌱 Treten Sie einer Entwickler-Community bei Microsoft Reactor bei und vernetzen Sie sich mit Menschen, Fähigkeiten und Technologien, um Ihre Karriere oder Ihr persönliches Lernen voranzutreiben. Wir bieten täglich kostenlose Livestreams, On-Demand-Inhalte und Hybrid-/Präsenzveranstaltungen auf der ganzen Welt an. Greifen Sie hier auf unsere Projekte und Codes zu.