In Jupyter Notebook geschriebene Bibliotheken

paper2gui

Convert AI papers to GUI，Make it easy and convenient for everyone to use artificial intelligence technology。让每个人都简单方便的使用前沿人工智能技术.

8.2k
MIT

tortoise-tts

Ein mehrsprachiges TTS-System, das mit Schwerpunkt auf Qualität geschult wurde.

8.2k
Apache License 2.0

nerf

Code-Veröffentlichung für NeRF (Neural Radiance Fields).

8.0k
MIT

FinRL

FinRL: Lernen zur finanziellen Verstärkung. 🔥.

7.8k
MIT

TTS

:robot::speech_balloon: Deep Learning für Text to Speech (Diskussionsforum: https://discourse.mozilla.org/c/tts) (von Mozilla).

7.7k
Mozilla Public License 2.0

tsfresh

Automatische Extraktion relevanter Merkmale aus Zeitreihen:.

7.6k
MIT

pycaret

Eine Open-Source-Low-Code-Bibliothek für maschinelles Lernen in Python.

7.5k
MIT

FinGPT

Datenzentriertes FinGPT. Open Source für Open Finance! Revolutionieren 🔥 Wir werden das trainierte Modell bald veröffentlichen.

7.5k
MIT

mlops-zoomcamp

Kostenloser MLOps-Kurs von DataTalks. Club.

7.5k

examples

TensorFlow-Beispiele (von tensorflow).

7.3k
Apache License 2.0

qlora

QLoRA: Effiziente Feinabstimmung quantisierter LLMs.

6.8k
MIT

Dreambooth-Stable-Diffusion

Implementierung von Dreambooth (https://arxiv.org/abs/2208.12242) mit stabiler Diffusion.

6.8k
MIT

DensePose

Ein Echtzeitansatz zur Abbildung aller menschlichen Pixel von 2D-RGB-Bildern auf ein 3D-Oberflächenmodell des Körpers.

6.6k
GNU General Public License v3.0

Stock-Prediction-Models

Sammelt Modelle für maschinelles Lernen und Deep Learning für Aktienprognosen, einschließlich Trading-Bots und Simulationen.

6.6k
Apache License 2.0

pytorch-Deep-Learning

Deep Learning (mit PyTorch).

6.5k
GNU General Public License v3.0

python-docs-samples

Auf cloud.google.com verwendete Codebeispiele.

6.4k
Apache License 2.0

H2O ist eine Open-Source-, verteilte, schnelle und skalierbare Plattform für maschinelles Lernen: Deep Learning, Gradient Boosting (GBM) und XGBoost, Random Forest, Generalized Linear Modeling (GLM mit Elastic Net), K-Means, PCA, Generalized Additive Models (GAM).), RuleFit, Support Vector Machine (SVM), Stacked Ensembles, Automatic Machine Learning (AutoML) usw.