Knjižnice, napisane v Jupyter Notebooku

yolov3-tf2

YoloV3 Implementirano v Tensorflow 2.0.
  • 2.5k
  • MIT

ihaskell

Jedro Haskell za projekt Jupyter..
  • 2.5k
  • MIT

course-content

Tečaj računalniške nevroznanosti NMA.
  • 2.5k
  • Creative Commons Attribution 4.0

galai

Model API za GALACTICA.
  • 2.5k
  • Apache License 2.0

Interactive Parallel Computing with IPython

IPython Parallel: Interaktivno vzporedno računalništvo v Pythonu.
  • 2.4k
  • GNU General Public License v3.0

stable-diffusion

Ta različica CompVis/stable-diffusion vsebuje interaktivni skript ukazne vrstice, ki združuje funkcionalnosti text2img in img2img v vmesniku v slogu "sanjski bot", WebGUI ter številne funkcije in druge izboljšave. [Premaknjeno na: https://github.com/invoke-ai/InvokeAI] (avtor lstein).
  • 2.4k
  • GNU General Public License v3.0

100-plus-Python-programming-exercises-extended

Repozitorij je približno 100+ problemov vaj programiranja python, o katerih se razpravlja, razlaga in rešuje na različne načine.
  • 2.4k

diffusion-models-class

Materiali za tečaj modelov difuzije objemajočih obrazov.
  • 2.4k
  • Apache License 2.0

mlops-course

Naučite se načrtovati, razvijati, uvajati in vzdrževati aplikacijo ML od konca do konca v velikem obsegu.
  • 2.4k
  • MIT

shapash

🔅 Shapash: Uporabniku prijazna razložljivost in interpretabilnost za razvoj zanesljivih in preglednih modelov strojnega učenja.
  • 2.4k
  • Apache License 2.0

diff-svc

Pretvorba pevskega glasu prek difuzijskega modela.
  • 2.4k
  • GNU Affero General Public License v3.0

3D-printed-mirror-array

Heksagonalni zrcalni niz, ki ga je mogoče natisniti v 3D in lahko odbija sončno svetlobo v poljubne vzorce.
  • 2.3k
  • MIT

leetcode-company-wise-problems-2022

Seznami vprašanj za podjetje so na voljo na leetcode premium. Vsaka datoteka csv v imeniku podjetij ustreza seznamu vprašanj o leetcode za določeno podjetje na podlagi oznak podjetja leetcode. Posodobljeno maja 2022..
  • 2.3k
  • MIT

whylogs

Odprtokodna knjižnica za beleženje podatkov za modele strojnega učenja in podatkovne kanale. 📚 Omogoča vpogled v kakovost podatkov in učinkovitost modela skozi čas. 🛡️ Podpira zbiranje podatkov, ki ohranja zasebnost, zagotavlja varnost in robustnost. 📈.
  • 2.3k
  • Apache License 2.0

stability-sdk

SDK za interakcijo z API-ji stability.ai (npr. sklepanje o stabilni difuziji).
  • 2.3k
  • MIT

Learning-Bitcoin-from-the-Command-Line

Popoln tečaj za učenje programiranja in uporabe bitcoinov iz ukaza [premaknjeno na: https://github.com/BlockchainCommons/Learning-Bitcoin-from-the-Command-Line] (avtor ChristopherA).
  • 2.3k

ML-foundations

Osnove strojnega učenja: linearna algebra, račun, statistika in računalništvo.
  • 2.3k
  • MIT

waymo-open-dataset

Waymo Open Dataset.
  • 2.3k
  • GNU General Public License v3.0

selfie

Izobraževalni programski sistem majhnega samoprevajalnega prevajalnika C, majhnega samoizvajajočega se emulatorja RISC-V in majhnega samostojnega hipervizorja RISC-V.
  • 2.3k
  • BSD 2-clause "Simplified"

Kandinsky-2

Kandinski 2 — večjezični model latentne difuzije text2image.
  • 2.3k
  • Apache License 2.0

Promptify

Hiter inženiring | Uporabite GPT ali druge modele, ki temeljijo na pozivih, da dobite strukturiran rezultat. Pridružite se našemu razdoru za Prompt-Engineering, LLM in druge najnovejše raziskave.
  • 2.3k
  • Apache License 2.0

benchmarking-gnns

Repozitorij za primerjalno analizo nevronskih mrež grafov.
  • 2.2k
  • MIT

prompt-to-prompt

  • 2.2k
  • Apache License 2.0

qiskit-tutorials

Zbirka zvezkov Jupyter, ki prikazuje, kako uporabljati Qskit SDK.
  • 2.2k
  • Apache License 2.0

An-Introduction-to-Statistical-Learning

Ta repozitorij vsebuje vaje in njihove rešitve iz knjige "Uvod v statistično učenje" v pythonu..
  • 2.2k

datasets

🎁 Več kot 4.800.000 slik Unsplash je na voljo za raziskovanje in strojno učenje (z unsplash).
  • 2.1k

algorithmica

Učbenik računalništva.
  • 2.1k

machine-learning-book

Repozitorij kode za strojno učenje s PyTorch in Scikit-Learn.
  • 2.1k
  • MIT

coursera-deep-learning-specialization

Opombe, programske naloge in kvizi iz vseh tečajev znotraj specializacije Coursera Deep Learning, ki jih ponuja deeplearning.ai: (i) nevronske mreže in globoko učenje; (ii) Izboljšanje globokih nevronskih mrež: uravnavanje hiperparametrov, regulacija in optimizacija; (iii) Strukturiranje projektov strojnega učenja; (iv) Konvolucijske nevronske mreže; (v) Modeli zaporedja.
  • 2.1k

pytorch-GAT

Moja implementacija izvirnega dokumenta GAT (Veličković et al.). Dodatno sem vključil datoteko playground.py za vizualizacijo nabora podatkov Cora, vdelav GAT, mehanizma pozornosti in entropijskih histogramov. Podprl sem primere Cora (transduktivni) in PPI (induktivni)!.
  • 2.1k
  • MIT