Libs با برچسب "فراگیری ماشین"

WWDC17-Recap

مجموعه‌ای از خلاصه‌های جلسه در قالب نشانه‌گذاری، از WWDC 20، 19 و 17.

tbparse

بارگیری سیاهههای مربوط به رویدادهای تانسوربرد به عنوان DataFrames پانداها برای ترسیم علمی. از PyTorch و TensorFlow پشتیبانی می کند.
  • 123
  • Python
  • Apache License 2.0

CIlib

Typesafe، هوش محاسباتی کاملاً کاربردی.
  • 123
  • Scala
  • Apache License 2.0

Wuerstchen

اجرای رسمی Würstchen: پیش‌آموزش کارآمد مدل‌های متن به تصویر.

easyesn

کتابخانه پایتون برای محاسبات مخزن با استفاده از شبکه های Echo State.

modelchimp

ردیابی آزمایشی برای پروژه های یادگیری ماشینی و عمیق.

jax-models

اجرای غیررسمی JAX مقالات تحقیقاتی یادگیری عمیق.
  • 123
  • Python
  • Apache License 2.0

top-10-cv-papers-2021

فهرست سرپرستی شده از 10 مقاله برتر بینایی کامپیوتر در سال 2021 با دموهای ویدئویی، مقالات، کد و مرجع مقاله..

Scapix

یک برنامه ارتقاء مقیاس و حذف صدا (توسط Specy-wot).

neural

شبکه های عصبی در هسکل بومی (توسط برونجلار).

hal9ai

Hal9 - برنامه‌های داده با کد و LLM [انتقال به: https://github.com/hal9ai/hal9].

faiss-server

سرو فایس:).

InvertibleNetworks.jl

چارچوب جولیا برای شبکه های عصبی معکوس

hal9

Hal9 - برنامه‌های داده با کد و LLM طراحی شده‌اند.

ctparse

عبارات زمانی زبان طبیعی را در پایتون تجزیه کنید.

txtai.js

جستجوی معنایی و گردش کار در جاوا اسکریپت.

ScribeAI

پسوند ChatGPT برای VSCode..

notebooks

نتایج مقالات ریسک "یادگیری ماشینی متفاوت" (2020) و "PCA با تفاوت" (2021) توسط Huge و Savine را پیاده سازی کنید، نشان دهید، بازتولید و گسترش دهید و جزئیات پیاده سازی را که از مقالات حذف شده اند پوشش دهید. (با یادگیری دیفرانسیل - ماشینی).

gallery

پروژه های نمونه BentoML 🎨 (توسط بنتومل).

metisfl

MetisFL یک چارچوب یادگیری فدرال است که به توسعه دهندگان این امکان را می دهد تا به راحتی گردش کار یادگیری ماشین خود را با هم متحد کنند و مدل های خود را در سیلوهای داده توزیع شده آموزش دهند بدون اینکه هرگز داده ها را در یک مکان متمرکز جمع آوری کنند. هسته چارچوب به زبان C++ نوشته شده است و بر مقیاس پذیری، سرعت و انعطاف پذیری تمرکز دارد.
  • 121
  • C++
  • GNU General Public License v3.0

comet-examples

نمونه هایی از کد یادگیری ماشین با استفاده از Comet.ml.

quantulum3

کتابخانه برای استخراج واحد - فورک کوانتول برای پایتون3.

n2d

یک الگوریتم خوشه بندی عمیق کد برای بازتولید نتایج برای مقاله N2D: (نه خیلی) خوشه‌بندی عمیق از طریق خوشه‌بندی منیفولد محلی یک جاسازی رمزگذاری شده خودکار..
  • 117
  • Python
  • GNU General Public License v3.0 only

awesome-chatgpt-plugins

مجموعه ای به روز از افزونه ها و تغییرات ChatGPT.

torchlambda

ابزار سبک وزن برای استقرار مدل های PyTorch در AWS Lambda.

pyStudio

راه ساده تر برای انجام یادگیری ماشین در پایتون بدون کدنویسی!.
  • 114
  • Python
  • GNU General Public License v3.0 only

go-fann

برو اتصالات برای FANN، کتابخانه برای شبکه های عصبی مصنوعی.
  • 114
  • Go
  • MIT

aws-ml-guide

[ویدئو] راهنمای تخصصی یادگیری ماشین (ML-S) دارای گواهینامه AWS.

pyvtreat

vtreat یک پردازشگر/تنظیم کننده قاب داده است که داده های دنیای واقعی را برای مدل سازی پیش بینی به روشی آماری صحیح آماده می کند. تحت مجوز BSD-3-Clause توزیع شده است..
  • 113
  • Python
  • GNU General Public License v3.0

pyTsetlinMachine

ماشین Tsetlin، ماشین Tsetlin Convolutional، ماشین Tsetlin رگرسیون، ماشین Tsetlin وزن‌دار، و ماشین Tsetlin جاسازی شده را با پشتیبانی از ویژگی‌های پیوسته، چند دانه‌بندی و نمایه‌سازی بند پیاده‌سازی می‌کند.
  • 113
  • C
  • MIT