Библиотеки, написани на Jupyter Notebook

ltt

Научете и след това тествайте: Калибриране на прогнозни алгоритми за постигане на контрол на риска.

41
MIT

mlattacks

Поредица за атака на машинно обучение.

41

CoreML-samples

Примерен код за Core ML с помощта на ResNet50, предоставен от Apple, и персонализиран модел, генериран от coremltools.

41
MIT

notebooks

Преносими компютри Google Colab (от nagolinc).

41

ControllableTalkNet

Това е модифицирана версия на TalkNet на NVIDIA. Това е контролируема мрежа, която може да се използва както за CPU, така и за GPU извод.

41
Creative Commons Zero v1.0 Universal

guidance

Език за насочване за управление на големи езикови модели. (от Максимилиан-Уинтър).

40
MIT

kivy-tensorflow-helloworld

Изпълнете извод с Tensorflow Lite на iOS, Android, MacOS, Windows и Linux с помощта на Python..

40

amazon-rekognition-code-samples

Примери на кодове за разпознаване на Amazon.

40
MIT No Attribution

nitroml

NitroML е модулна, преносима и мащабируема рамка за сравнителен анализ на качеството на модела за тръбопроводи за машинно обучение и автоматизирано машинно обучение (AutoML).

40
Apache License 2.0

Artifact_Removal_GAN

U-net GAN за премахване на jpeg артефакти.

40
MIT

Transformer-Models-from-Scratch

внедряване на различни модели трансформатори за различни задачи.

40

full_spectrum_bioinformatics

Текст за биоинформатика с отворен достъп.

39

Transformer-in-Transformer

Внедряване на Transformer в Transformer в TensorFlow за класифициране на изображения, внимание в локалните кръпки (от Rishit-dagli).

39
Apache License 2.0

DataDrivenDynSyst

Скриптове и тетрадки, които да придружават книгата Методи, управлявани от данни за динамични системи.

39
MIT

cdQnA

хранилище за документи и проучвания относно въпроси и отговори на затворен домейн с LLM.

39

doohickey

Doohickey е стабилен инструмент за разпространение за технически артисти, които искат да бъдат в крак с най-новите разработки в областта.

39

infery-examples

Колекция от демонстрационни приложения и скриптове за изводи за различни рамки за дълбоко обучение, използващи infery (Python)..

39
GNU General Public License v3.0

Data-Visualizations-Medium

Разбиране на данни и модели на машинно обучение с визуализации.

38
MIT

Multi-Modal-Comparators

Унифициран API за улесняване на използването на предварително обучени "перцепторни" модели, a la CLIP.

38

Deep-Learning-With-TensorFlow

Всички ресурси и практически упражнения, за да започнете с Deep Learning в TensorFlow.

38
Apache License 2.0

Този алгоритъм използва правоъгълник, направен от потребителя, за да идентифицира елемента на преден план. След това потребителят може да редактира, за да добавя или премахва обекти на преден план. След това премахва фона и го прави прозрачен..