In Jupyter Notebook geschriebene Bibliotheken

alpha-mind

quantitative Wertpapierportfolioanalyse. Die Analyse-Pipeline umfasst Datenspeicherabstraktion, Alpha-Berechnung, ML-basierte Alpha-Kombination und Portfolio-Berechnung.
  • 212
  • MIT

ld-decode

Softwaredefinierter LaserDisc-Decoder.
  • 212
  • GNU General Public License v3.0 only

huggingpics

🤗🖼️ HuggingPics: Optimieren Sie Vision Transformers für alles, indem Sie Bilder aus dem Internet verwenden.
  • 210

notebooks

Der Inhalt dieses Repositorys wird nicht gepflegt und wird aktiv in andere Repos migriert. (per Weltraumteleskop).
  • 210
  • BSD 3-clause "New" or "Revised"

OpenEDU

:books: Die Open Source Education Initiative – ein Repository mit Ressourcen für über 60 technische Fächer. Machen wir Bildung offener und zugänglicher!:rakete::sparkles:.
  • 209
  • MIT

minLoRA

minLoRA: eine minimale PyTorch-Bibliothek, mit der Sie LoRA auf jedes PyTorch-Modell anwenden können.
  • 209
  • MIT

MoViNet-pytorch

MoViNets PyTorch-Implementierung: Mobile Videonetzwerke für effiziente Videoerkennung;.
  • 209
  • MIT

CodeTrans

Vortrainierte Sprachmodelle für Quellcode.
  • 209
  • MIT

tensorflow_Realtime_Multi-Person_Pose_Estimation

Multi-Person Pose Estimation-Projekt für Tensorflow 2.0 mit einem kleinen und schnellen Modell basierend auf MobilenetV3.
  • 209
  • GNU General Public License v3.0

Optimization-Python

Allgemeine Optimierung (LP, MIP, QP, kontinuierliche und diskrete Optimierung usw.) mit Python.
  • 209
  • MIT

BMT

Quellcode für „Bi-modal Transformer for Dense Video Captioning“ (BMVC 2020).
  • 208
  • MIT

Multi-Type-TD-TSR

Extrahieren von Tabellen aus Dokumentbildern mithilfe einer mehrstufigen Pipeline zur Tabellenerkennung und Tabellenstrukturerkennung:.
  • 208
  • MIT

PX4-user_guide

PX4-Benutzerhandbuch.
  • 207
  • GNU General Public License v3.0

Python-for-Everyone

Eine Schritt-für-Schritt-Anleitung zum Erlernen der Python-Programmierung.
  • 207

covid19italia

  • 207
  • Creative Commons Attribution 4.0

tf-metal-experiments

TensorFlow Metal Backend auf Apple Silicon Experiments (nur zum Spaß).
  • 207
  • MIT

examples

Analysieren Sie unstrukturierte Daten mit Towhee, z. B. umgekehrte Bildsuche, umgekehrte Videosuche, Audioklassifizierung, Frage- und Antwortsysteme, molekulare Suche usw. (von towhee-io).
  • 207
  • Apache License 2.0

CenterSnap

Pytorch-Code für ICRA'22-Papier: „Single-Shot Multi-Object 3D Shape Reconstruction and Categorical 6D Pose and Size Estimation“.
  • 206

Awesome_Satellite_Benchmark_Datasets

Ergänzendes Material zu unserem Beitrag „THERE IS NO DATA LIKE MORE DATA“ wird bereitgestellt.
  • 205

TradingGym

Trading Gym ist ein Open-Source-Projekt zur Entwicklung von Reinforcement-Learning-Algorithmen im Handelskontext. (von cove9988).
  • 204
  • MIT

ImageNetV2

Ein neues Testset für ImageNet.
  • 204
  • MIT

Deep-Q-Learning

Tensorflow-Implementierung von Deepminds dqn mit doppelten Duellnetzwerken.
  • 204

EasyEdit

Ein benutzerfreundliches Framework zum Bearbeiten großer Sprachmodelle.
  • 202
  • MIT

scatteract

Projekt, das die Extraktion von Daten aus Streudiagrammen implementiert.
  • 202

r

Verwendung von R mit Jupyter / RStudio auf Binder (von binder-examples).
  • 202
  • BSD 3-clause "New" or "Revised"

fact-checker

Faktenprüfung von LLM-Ausgaben mit Langchain.
  • 202

fraud-detection-using-machine-learning

Richten Sie eine End-to-End-Demoarchitektur zur Vorhersage von Betrugsereignissen mit maschinellem Lernen mit Amazon SageMaker ein.
  • 202
  • Apache License 2.0

machinehearing

Maschinelles Lernen angewendet auf Klang.
  • 201

ProvingGround

Testgelände: Werkzeuge für die automatisierte Mathematik.
  • 199
  • MIT

Best-Deep-Learning-Optimizers

Sammlung der neuesten, besten Deep-Learning-Optimierer (für Pytorch) – CNN, NLP geeignet.
  • 197
  • Apache License 2.0