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
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
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
Multi-Type-TD-TSR
Extrahieren von Tabellen aus Dokumentbildern mithilfe einer mehrstufigen Pipeline zur Tabellenerkennung und Tabellenstrukturerkennung:.
- 208
- 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
r
Verwendung von R mit Jupyter / RStudio auf Binder (von binder-examples).
- 202
- BSD 3-clause "New" or "Revised"
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
Best-Deep-Learning-Optimizers
Sammlung der neuesten, besten Deep-Learning-Optimierer (für Pytorch) – CNN, NLP geeignet.
- 197
- Apache License 2.0