In Jupyter Notebook geschriebene Bibliotheken

ltt

Lernen und dann testen: Vorhersagealgorithmen kalibrieren, um eine Risikokontrolle zu erreichen.

41
MIT

mlattacks

Angriffsreihe zum maschinellen Lernen.

41

CoreML-samples

Beispielcode für Core ML mit ResNet50 von Apple und einem benutzerdefinierten Modell, das von coremltools generiert wurde.

41
MIT

notebooks

Google Colab-Notizbücher (von nagolinc).

41

ControllableTalkNet

Dies ist eine modifizierte Version von NVIDIAs TalkNet. Es handelt sich um ein steuerbares Netzwerk, das sowohl für CPU- als auch GPU-Inferenzen verwendet werden kann.

41
Creative Commons Zero v1.0 Universal

guidance

Eine Leitsprache zur Steuerung großer Sprachmodelle. (von Maximilian-Winter).

40
MIT

kivy-tensorflow-helloworld

Führen Sie Inferenz mit Tensorflow Lite auf iOS, Android, MacOS, Windows und Linux mit Python aus.

40

amazon-rekognition-code-samples

Beispiele für Amazon-Erkennungscodes.

40
MIT No Attribution

nitroml

NitroML ist ein modulares, portables und skalierbares Benchmarking-Framework in Modellqualität für Pipelines für maschinelles Lernen und automatisiertes maschinelles Lernen (AutoML).

40
Apache License 2.0

Artifact_Removal_GAN

Ein U-Net-GAN zur Entfernung von JPEG-Artefakten.

40
MIT

Transformer-Models-from-Scratch

Implementierung verschiedener Transformatormodelle für verschiedene Aufgaben.

40

full_spectrum_bioinformatics

Ein frei zugänglicher Bioinformatik-Text.

39

Transformer-in-Transformer

Eine Implementierung von Transformer in Transformer in TensorFlow zur Bildklassifizierung, Aufmerksamkeit innerhalb lokaler Patches (von Rishit-dagli).

39
Apache License 2.0

DataDrivenDynSyst

Skripte und Notizbücher zum Buch „Data-Driven Methods for Dynamic Systems“.

39
MIT

cdQnA

Repository für Dokumente und Studien zu Closed-Domain-Fragen und -Antworten mit LLM.

39

doohickey

Doohickey ist ein stabiles Verbreitungstool für technische Künstler, die über die neuesten Entwicklungen auf diesem Gebiet auf dem Laufenden bleiben möchten.

39

infery-examples

Eine Sammlung von Demo-Apps und Inferenzskripten für verschiedene Deep-Learning-Frameworks mit Infery (Python).

39
GNU General Public License v3.0

Data-Visualizations-Medium

Daten und Modelle des maschinellen Lernens mit Visualisierungen verstehen.

38
MIT

Multi-Modal-Comparators

Einheitliche API zur Erleichterung der Verwendung vorab trainierter „Perzeptor“-Modelle, a la CLIP.

38

Deep-Learning-With-TensorFlow

Alle Ressourcen und praktischen Übungen für den Einstieg in Deep Learning in TensorFlow.

38
Apache License 2.0

Dieser Algorithmus verwendet ein vom Benutzer erstelltes Rechteck, um das Vordergrundelement zu identifizieren. Anschließend kann der Benutzer bearbeiten, um Objekte zum Vordergrund hinzuzufügen oder daraus zu entfernen. Anschließend wird der Hintergrund entfernt und transparent gemacht.