In Jupyter Notebook geschriebene Bibliotheken
99-ML-Learning-Projects
Eine Liste von 99 maschinellen Lernprojekten für alle, die daran interessiert sind, aus Codierungs- und Bauprojekten zu lernen.
- 464
- MIT
x-stable-diffusion
Echtzeit-Inferenz für stabile Diffusion – 0,88 s Latenz. Deckt AITemplate, nvFuser, TensorRT, FlashAttention ab.
- 462
- Apache License 2.0
DataScience
Kurs „Data Science in Julia“ für JuliaAcademy.com, unterrichtet von Huda Nassar (von JuliaAcademy).
- 461
- MIT
jwst
Python-Bibliothek für wissenschaftliche Beobachtungen vom James Webb-Weltraumteleskop.
- 461
- GNU General Public License v3.0
Text2Light
[SIGGRAPH Asia 2022] Text2Light: Zero-Shot textgesteuerte HDR-Panorama-Generierung.
- 458
- GNU General Public License v3.0
swiftai
Swift für die High-Level-API von TensorFlow, nach dem Vorbild von Fastai.
- 457
- Apache License 2.0
Azure-Sentinel-Notebooks
Interaktive Azure Sentinel Notebooks bieten Sicherheitseinblicke und Maßnahmen zur Untersuchung von Anomalien und zur Suche nach bösartigem Verhalten.
- 453
- MIT
covid19pt-data
😷️🇵🇹 Verwandte Informationen zur COVID-19-Pandemie in Portugal.
- 450
- GNU General Public License v3.0 only
fastkafka
FastKafka ist eine leistungsstarke und benutzerfreundliche Python-Bibliothek zum Erstellen asynchroner Webdienste, die mit Kafka-Themen interagieren. FastKafka basiert auf Pydantic, AIOKafka und AsyncAPI und vereinfacht den Prozess des Schreibens von Produzenten und Konsumenten für Kafka-Themen.
- 446
- Apache License 2.0
concrete-ml
Concrete ML: Datenschutzerhaltendes ML-Framework, das auf Concrete aufbaut, mit Anbindungen an traditionelle ML-Frameworks.
- 446
- GNU General Public License v3.0
cleora
Cleora AI ist ein Allzweckmodell für effizientes, skalierbares Lernen stabiler und induktiver Entitätseinbettungen für heterogene relationale Daten.
- 444
- GNU General Public License v3.0
blended-diffusion
Offizielle Implementierung für „Blended Diffusion for Text-driven Editing of Natural Images“ [CVPR 2022].
- 442
- MIT
get-started-with-JAX
Der Zweck dieses Repos besteht darin, den Einstieg in JAX, Flax und Haiku zu erleichtern. Es enthält meine Tutorialreihe „Maschinelles Lernen mit JAX“ (YouTube-Videos und Jupyter-Notebooks) sowie die Inhalte, die ich beim Kennenlernen des JAX-Ökosystems nützlich fand.
- 440
- MIT
Watermark-Removal-Pytorch
🔥 CNN für die Wasserzeichenentfernung mit Deep Image Prior mit Pytorch 🔥..
- 437
- MIT
IDE-3D
[SIGGRAPH Asia 2022] IDE-3D: Interaktive entwirrte Bearbeitung für hochauflösende 3D-fähige Porträtsynthese.
- 434
indonlu
Der allererste umfassende Benchmark für die Verarbeitung natürlicher Sprache für die indonesische Sprache. Wir bieten mehrere nachgelagerte Aufgaben, vorab trainierte IndoBERT-Modelle und einen Startercode! (AACL-IJCNLP 2020).
- 431
- Apache License 2.0
machine-learning-and-simulation
Alle handschriftlichen Notizen 📝 und Quellcodedateien 🖥️, die in meinen YouTube-Videos zu maschinellem Lernen und Simulation verwendet werden (https://www.youtube.com/channel/UCh0P7KwJhuQ4vrzc3IRuw4Q).
- 430
- MIT
FinBERT
Ein vorab trainiertes BERT-Modell für die Finanzkommunikation. https://arxiv.org/abs/2006.08097 (von yya518).
- 428
- Apache License 2.0
covid19-forecast-hub
Prognosen zu COVID-19 im standardisierten Format.
- 427
- GNU General Public License v3.0
alpaca_eval
Ein automatischer Evaluator für anweisungenfolgende Sprachmodelle. Von Menschen validiert, hochwertig, günstig und schnell.
- 425
- Apache License 2.0
geospatial-data-catalogs
Eine Liste offener Geodatensätze, die auf AWS, Earth Engine, Planetary Computer, NASA CMR und STAC Index verfügbar sind.
- 423
- MIT