کتابخانه های نوشته شده با جاوا اسکریپت

yolov3-tf2

YoloV3 در Tensorflow 2.0 پیاده سازی شده است.
  • 2.5k
  • MIT

ihaskell

هسته Haskell برای پروژه Jupyter..
  • 2.5k
  • MIT

course-content

دوره NMA Computational Neuroscience.
  • 2.5k
  • Creative Commons Attribution 4.0

galai

مدل API برای GALACTICA.
  • 2.5k
  • Apache License 2.0

Interactive Parallel Computing with IPython

IPython Parallel: محاسبات موازی تعاملی در پایتون.
  • 2.4k
  • GNU General Public License v3.0

stable-diffusion

این نسخه از CompVis/Stable-Diffusion دارای یک اسکریپت خط فرمان تعاملی است که عملکرد text2img و img2img را در یک رابط سبک "Dream bot"، یک WebGUI و چندین ویژگی و سایر پیشرفت‌ها ترکیب می‌کند. [انتقال به: https://github.com/invoke-ai/InvokeAI] (توسط lstein).
  • 2.4k
  • GNU General Public License v3.0

100-plus-Python-programming-exercises-extended

مخزن حدود 100+ مشکل تمرین برنامه نویسی پایتون است که به روش های مختلف مورد بحث، توضیح و حل قرار گرفته است.
  • 2.4k

diffusion-models-class

مواد برای دوره مدل های انتشار چهره در آغوش گرفته.
  • 2.4k
  • Apache License 2.0

mlops-course

با نحوه طراحی، توسعه، استقرار و نگهداری یک برنامه ML سرتاسر در مقیاس بیاموزید.
  • 2.4k
  • MIT

shapash

🔅 Shapash: توضیح و تفسیرپذیری کاربر پسند برای توسعه مدل‌های یادگیری ماشینی قابل اعتماد و شفاف.
  • 2.4k
  • Apache License 2.0

diff-svc

تبدیل صدای آواز از طریق مدل انتشار.
  • 2.4k
  • GNU Affero General Public License v3.0

3D-printed-mirror-array

آرایه آینه شش ضلعی قابل چاپ سه بعدی که قادر است نور خورشید را به الگوهای دلخواه منعکس کند.
  • 2.3k
  • MIT

leetcode-company-wise-problems-2022

لیست سوالات عاقلانه شرکت موجود در leetcode premium. هر فایل csv در دایرکتوری شرکت ها مربوط به لیستی از سوالات در مورد leetcode برای یک شرکت خاص بر اساس برچسب های شرکت leetcode است. به روز شده در می 2022..
  • 2.3k
  • MIT

whylogs

یک کتابخانه ثبت اطلاعات منبع باز برای مدل های یادگیری ماشین و خطوط لوله داده. 📚 کیفیت داده ها و عملکرد مدل را در طول زمان مشاهده می کند. 🛡️ از جمع آوری داده ها با حفظ حریم خصوصی، تضمین ایمنی و استحکام پشتیبانی می کند. 📈.
  • 2.3k
  • Apache License 2.0

stability-sdk

SDK برای تعامل با APIهای stability.ai (به عنوان مثال استنتاج انتشار پایدار).
  • 2.3k
  • MIT

Learning-Bitcoin-from-the-Command-Line

یک دوره کامل برای یادگیری برنامه نویسی و استفاده از بیت کوین از دستور [Moved to: https://github.com/BlockchainCommons/Learning-Bitcoin-from-the-Command-Line] (توسط ChristopherA).
  • 2.3k

ML-foundations

مبانی یادگیری ماشین: جبر خطی، حساب دیفرانسیل و انتگرال، آمار و علوم کامپیوتر.
  • 2.3k
  • MIT

waymo-open-dataset

مجموعه داده باز Waymo.
  • 2.3k
  • GNU General Public License v3.0

selfie

یک سیستم نرم افزار آموزشی از یک کامپایلر کوچک C خودکامپایل، یک شبیه ساز RISC-V خوداجرای کوچک و یک هایپروایزر RISC-V خود میزبان کوچک..
  • 2.3k
  • BSD 2-clause "Simplified"

Kandinsky-2

کاندینسکی 2 - مدل انتشار پنهان متن2 تصویر چند زبانه.
  • 2.3k
  • Apache License 2.0

Promptify

مهندسی سریع | از GPT یا سایر مدل‌های مبتنی بر اعلان برای دریافت خروجی ساختاریافته استفاده کنید. برای Prompt-Engineering، LLMs و سایر تحقیقات جدید به اختلاف ما بپیوندید.
  • 2.3k
  • Apache License 2.0

benchmarking-gnns

مخزن برای محک زدن شبکه های عصبی گراف.
  • 2.2k
  • MIT

prompt-to-prompt

  • 2.2k
  • Apache License 2.0

qiskit-tutorials

مجموعه ای از نوت بوک های Jupyter که نحوه استفاده از Qiskit SDK را نشان می دهد.
  • 2.2k
  • Apache License 2.0

An-Introduction-to-Statistical-Learning

این مخزن شامل تمرین ها و راه حل آن در کتاب "مقدمه ای بر یادگیری آماری" در پایتون می باشد.
  • 2.2k

datasets

🎁 بیش از 4,800,000 تصویر Unsplash برای تحقیق و یادگیری ماشین (با unsplash) در دسترس قرار گرفته است.
  • 2.1k

algorithmica

کتاب درسی علوم کامپیوتر.
  • 2.1k

machine-learning-book

مخزن کد برای یادگیری ماشین با PyTorch و Scikit-Learn.
  • 2.1k
  • MIT

coursera-deep-learning-specialization

یادداشت‌ها، تکالیف برنامه‌نویسی و آزمون‌ها از تمام دوره‌های آموزشی Coursera Deep Learning ارائه شده توسط deeplearning.ai: (i) شبکه‌های عصبی و یادگیری عمیق. (ب) بهبود شبکه‌های عصبی عمیق: تنظیم فراپارامتر، منظم‌سازی و بهینه‌سازی. (iii) ساختار پروژه های یادگیری ماشین. (IV) شبکه های عصبی کانولوشنال. (v) مدل های توالی.
  • 2.1k

pytorch-GAT

اجرای من از مقاله اصلی GAT (ولیچکوویچ و همکاران). من علاوه بر این فایل playground.py را برای تجسم مجموعه داده Cora، جاسازی‌های GAT، مکانیسم توجه و هیستوگرام‌های آنتروپی قرار داده‌ام. من هر دو نمونه Cora (transductive) و PPI (القایی) را پشتیبانی کرده ام!.
  • 2.1k
  • MIT