In Jupyter Notebook geschriebene Bibliotheken
DataMUX
[NeurIPS 2022] DataMUX: Datenmultiplexing für neuronale Netze.
- 55
- GNU General Public License v3.0
california-coronavirus-scrapers
Die Open-Source-Web-Scraper, die den Coronavirus-Tracker der Los Angeles Times California versorgen.
- 53
- MIT
finite-element-networks
Referenzimplementierung von Finite-Elemente-Netzwerken, wie in „Learning the Dynamics of Physical Systems from Sparse Observations with Finite Element Networks“ auf der ICLR 2022 vorgeschlagen.
- 53
- MIT
OpenKF
Dies ist eine Open-Source-Kalman-Filter-C++-Bibliothek, die auf der Eigen3-Bibliothek für Matrixoperationen basiert. Die Bibliothek verfügt über generische, vorlagenbasierte Klassen für die meisten Kalman-Filtervarianten, darunter: (1) Kalman-Filter, (2) erweiterter Kalman-Filter, (3) nicht parfümierter Kalman-Filter und (4) Quadratwurzel-UKF...
- 52
- GNU General Public License v3.0 only
fellowship-prediction
Analysiert Ihr GitHub-Profil und präsentiert Ihnen einen Bericht darüber, wie wahrscheinlich es ist, dass Sie der nächste MLH Fellow werden!
- 51
- MIT
glami-1m
Der größte mehrsprachige Bild-Text-Klassifizierungsdatensatz. Es enthält Modeprodukte.
- 50
- Apache License 2.0
openWakeWord
Ein Open-Source-Framework zur Erkennung von Audio-Wake-Wörtern (oder -Phrasen) mit Schwerpunkt auf Leistung und Einfachheit.
- 50
- Apache License 2.0
HackThisAI
Adversarial Machine Learning (AML) Capture the Flag (CTF).
- 50
- GNU General Public License v3.0 only
datadoubleconfirm
Einfache Datensätze und Notebooks zur Datenvisualisierung, statistischen Analyse und Modellierung – mit Beschreibungen hier: http://projectosyo.wix.com/datadoubleconfirm.
- 49
- MIT
Self-Attention-Guidance
Die Umsetzung des Papiers „Improving Sample Quality of Diffusion Models Using Self-Attention Guidance“ (ICCV`23) (von SusungHong).
- 49
- MIT
Generalizing-Lottery-Tickets
Dieses Repository enthält Code zur Replikation der im NeurIPS 2019-Artikel „Ein Los, um sie alle zu gewinnen: Generalisierung von Lotteriescheininitialisierungen über Datensätze und Optimierer hinweg“ beschriebenen Experimente.
- 49
- MIT
living-documents
So verwenden Sie Jupyter-Notebooks und R-Markdown, um lebendige Dokumente und reproduzierbare Berichte zu erstellen.
- 49
- MIT
HackFest21
Es sind nur gültige Pull-Anfragen zulässig. Verwenden Sie nur Python. Readme-Änderungen werden nicht akzeptiert.
- 49
Siren-fastai2
Inoffizielle Implementierung von „Implicit Neural Representations with Periodic Activation Functions“.
- 48
- MIT