Библиотеки, написани на Jupyter Notebook

alpha-mind

количествен анализ на портфолио от ценни книжа. Тръбопроводът за анализ включва абстракция за съхранение на данни, алфа изчисление, алфа комбиниране на базата на ML и изчисление на портфолио.
  • 212
  • MIT

ld-decode

Софтуерно дефиниран LaserDisc декодер.
  • 212
  • GNU General Public License v3.0 only

huggingpics

🤗🖼️ HuggingPics: Настройте фино Vision Transformers за всичко, като използвате изображения, намерени в мрежата..
  • 210

notebooks

Съдържанието в това хранилище не се поддържа и активно се мигрира към други репозитории. (с космически телескоп).
  • 210
  • BSD 3-clause "New" or "Revised"

OpenEDU

:books: Инициативата за образование с отворен код – хранилище с ресурси за 60+ инженерни предмета. Нека направим образованието по-отворено и достъпно!:rocket::sparkles:.
  • 209
  • MIT

minLoRA

minLoRA: минимална библиотека на PyTorch, която ви позволява да приложите LoRA към всеки модел на PyTorch..
  • 209
  • MIT

MoViNet-pytorch

Внедряване на MoViNets PyTorch: Мобилни видео мрежи за ефективно разпознаване на видео;.
  • 209
  • MIT

CodeTrans

Предварително обучени езикови модели за изходен код.
  • 209
  • MIT

tensorflow_Realtime_Multi-Person_Pose_Estimation

Проект за оценка на поза на много хора за Tensorflow 2.0 с малък и бърз модел, базиран на MobilenetV3.
  • 209
  • GNU General Public License v3.0

Optimization-Python

Обща оптимизация (LP, MIP, QP, непрекъсната и дискретна оптимизация и др.) с помощта на Python.
  • 209
  • MIT

BMT

Изходен код за „Бимодален трансформатор за плътни видео надписи“ (BMVC 2020).
  • 208
  • MIT

Multi-Type-TD-TSR

Извличане на таблици от изображения на документи с помощта на многоетапен конвейер за откриване на таблици и разпознаване на структурата на таблици:.
  • 208
  • MIT

PX4-user_guide

PX4 Ръководство за потребителя.
  • 207
  • GNU General Public License v3.0

Python-for-Everyone

Ръководство стъпка по стъпка за изучаване на програмирането на Python.
  • 207

covid19italia

  • 207
  • Creative Commons Attribution 4.0

tf-metal-experiments

TensorFlow Metal Backend на Apple Silicon Experiments (само за забавление).
  • 207
  • MIT

examples

Анализирайте неструктурираните данни с Towhee, като обратно търсене на изображения, обратно търсене на видео, аудио класификация, системи за въпроси и отговори, молекулярно търсене и др. (от towhee-io).
  • 207
  • Apache License 2.0

CenterSnap

Код на Pytorch за хартия ICRA'22: „Реконструкция на 3D форма на единичен изстрел с множество обекти и категорична 6D оценка на поза и размер“.
  • 206

Awesome_Satellite_Benchmark_Datasets

Предоставен е допълнителен материал за нашия документ „НЯМА ДАННИ, КАТО ПОВЕЧЕ ДАННИ“.
  • 205

TradingGym

Trading Gym е проект с отворен код за разработване на алгоритми за обучение с подсилване в контекста на търговията. (от cove9988).
  • 204
  • MIT

ImageNetV2

Нов набор от тестове за ImageNet.
  • 204
  • MIT

Deep-Q-Learning

Реализация на Tensorflow на Deepminds dqn с двойни дуелни мрежи.
  • 204

EasyEdit

Лесна за използване рамка за редактиране на големи езикови модели..
  • 202
  • MIT

scatteract

Проект, който прилага извличане на данни от точкови диаграми.
  • 202

r

Използване на R с Jupyter / RStudio на Binder (чрез binder-примери).
  • 202
  • BSD 3-clause "New" or "Revised"

fact-checker

Проверка на фактите LLM резултати с langchain.
  • 202

fraud-detection-using-machine-learning

Настройте демо архитектура от край до край за прогнозиране на събития с измама с машинно обучение с помощта на Amazon SageMaker.
  • 202
  • Apache License 2.0

machinehearing

Машинно обучение, приложено към звука.
  • 201

ProvingGround

Полигон за доказване: Инструменти за автоматизирана математика.
  • 199
  • MIT

Best-Deep-Learning-Optimizers

Колекция от най-новите, най-добрите оптимизатори за дълбоко обучение (за Pytorch) - подходящи за CNN, NLP.
  • 197
  • Apache License 2.0