In Jupyter Notebook geschriebene Bibliotheken
MIRNet-TFJS
TensorFlow JS-Modelle für MIRNet zur Bildverbesserung bei schlechten Lichtverhältnissen.
- 342
- Apache License 2.0
monthly-challenges
Repository mit monatlichen Herausforderungen im Bereich Quantencomputing.
- 341
- Apache License 2.0
TermGPT
Geben Sie LLMs wie GPT-4 die Möglichkeit, Terminalbefehle zu planen und auszuführen.
- 341
- MIT
stock-prediction-deep-neural-learning
Vorhersage von Aktienkursen mithilfe eines neuronalen TensorFlow LSTM-Netzwerks (Long Short-Term Memory) für Zeitreihenprognosen.
- 339
- Creative Commons Zero v1.0 Universal
US_County_Level_Election_Results_08-20
Ergebnisse der US-Präsidentschaftswahlen nach Landkreisen von 2008 bis 2016.
- 338
cartoonify
Bereitstellen und skalieren Sie eine serverlose Machine-Learning-App – in 4 Schritten.
- 337
- MIT
Dreambooth-SD-optimized
Implementierung von Dreambooth (https://arxiv.org/abs/2208.12242) mit stabiler Diffusion.
- 337
- MIT
fsdl-text-recognizer-2022-labs
Vollständiges Deep-Learning-Projekt, entwickelt in Full Stack Deep Learning, Ausgabe 2022. Automatisch generiert von https://github.com/full-stack-deep-learning/fsdl-text-recognizer-2022.
- 333
- MIT
stanford-CS229
Python-Lösungen für die Problemstellungen des Stanford-Graduiertenkurses über maschinelles Lernen, unterrichtet von Prof. Andrew Ng.
- 333
thebe
Verwandeln Sie statische HTML-Seiten mit Jupyter-Kerneln in Live-Dokumente.
- 332
- BSD 3-clause "New" or "Revised"
stable-diffusion
Gehen Sie zu lstein/stable-diffusion für die besten Sachen und eine stabile Veröffentlichung. Dieses Repository ist mein Testgelände und es ist sehr wahrscheinlich, dass ich etwas getan habe, das es kaputt machen würde. (von magnusviri).
- 331
- GNU General Public License v3.0
PyMuPDF-Utilities
Demos, Beispiele und Dienstprogramme mit PyMuPDF.
- 330
- GNU Affero General Public License v3.0
geospatialdatascience
Kursmaterialien für: Geospatial Data Science.
- 329
- Creative Commons Attribution 4.0
SipMask
SipMask: Räumliche Informationsbewahrung für eine schnelle Segmentierung von Bild- und Videoinstanzen (ECCV2020).
- 327
- MIT
peacasso
UI-Schnittstelle zum Experimentieren mit multimodalen (Text, Bild)-Modellen (stabile Diffusion).
- 325
- MIT
pytorch-deepdream
PyTorch-Implementierung des DeepDream-Algorithmus (Mordvintsev et al.). Zusätzlich habe ich Playground.py eingefügt, um Ihnen zu helfen, die grundlegenden Konzepte hinter dem Algorithmus besser zu verstehen.
- 324
- MIT
geometric-gnn-dojo
Das Geometric GNN Dojo bietet einheitliche Implementierungen und Experimente, um den Designraum geometrischer neuronaler Graphennetze zu erkunden.
- 323
- MIT
excess-mortality
Übermäßige Sterblichkeit während der COVID-19-Pandemie.
- 322
- GNU General Public License v3.0 only
fraud-detection-handbook
Reproduzierbares maschinelles Lernen zur Erkennung von Kreditkartenbetrug – Praxishandbuch.
- 322
- GNU General Public License v3.0
thinking-in-tensors-writing-in-pytorch
Denken in Tensoren, Schreiben in PyTorch (eine praktische Einführung in Deep Learning).
- 319
- MIT
Disco_Diffusion_Local
Damit die neuesten Versionen von Disco Diffusion lokal funktionieren, statt in Colab. Einschließlich der Art und Weise, wie ich dies unter Windows ausführe, trotz einiger reiner Linux-Abhängigkeiten;).
- 312
- MIT
Fusion360GalleryDataset
Daten, Tools und Dokumentation des Fusion 360 Gallery-Datensatzes.
- 307
- GNU General Public License v3.0