Biblioteker skrevet i Jupyter Notebook

yolov3-tf2

YoloV3 implementeret i Tensorflow 2.0.
  • 2.5k
  • MIT

ihaskell

En Haskell-kerne til Jupyter-projektet..
  • 2.5k
  • MIT

course-content

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

galai

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

Interactive Parallel Computing with IPython

IPython Parallel: Interaktiv Parallel Computing i Python.
  • 2.4k
  • GNU General Public License v3.0

stable-diffusion

Denne version af CompVis/stable-diffusion har et interaktivt kommandolinjescript, der kombinerer text2img og img2img funktionalitet i en "dream bot" stil interface, en WebGUI og flere funktioner og andre forbedringer. [Flyttet til: https://github.com/invoke-ai/InvokeAI] (af lstein).
  • 2.4k
  • GNU General Public License v3.0

100-plus-Python-programming-exercises-extended

Depotet er omkring 100+ python-programmeringsøvelsesproblemer, der er diskuteret, forklaret og løst på forskellige måder.
  • 2.4k

diffusion-models-class

Materialer til kurset Hugging Face Diffusion Models.
  • 2.4k
  • Apache License 2.0

mlops-course

Lær, hvordan du designer, udvikler, implementerer og vedligeholder en end-to-end ML-applikation i stor skala.
  • 2.4k
  • MIT

shapash

🔅 Shapash: Brugervenlig forklaring og fortolkning til at udvikle pålidelige og gennemsigtige maskinlæringsmodeller.
  • 2.4k
  • Apache License 2.0

diff-svc

Syngende stemmekonvertering via diffusionsmodel.
  • 2.4k
  • GNU Affero General Public License v3.0

3D-printed-mirror-array

3D-printbar sekskantet spejlarray, der er i stand til at reflektere sollys i vilkårlige mønstre.
  • 2.3k
  • MIT

leetcode-company-wise-problems-2022

Lister over firmakloge spørgsmål tilgængelige på leetcode premium. Hver csv-fil i firmaets bibliotek svarer til en liste med spørgsmål om leetcode for en specifik virksomhed baseret på leetcode-firmaets tags. Opdateret fra maj 2022..
  • 2.3k
  • MIT

whylogs

Et open source-datalogningsbibliotek til maskinlæringsmodeller og datapipelines. 📚 Giver synlighed i datakvalitet og modelydelse over tid. 🛡️ Understøtter privatlivsbevarende dataindsamling, hvilket sikrer sikkerhed og robusthed. 📈.
  • 2.3k
  • Apache License 2.0

stability-sdk

SDK til interaktion med stability.ai API'er (f.eks. stabil diffusionsinferens).
  • 2.3k
  • MIT

Learning-Bitcoin-from-the-Command-Line

Et komplet kursus til at lære Bitcoin-programmering og -brug fra kommandoen [Flyttet til: https://github.com/BlockchainCommons/Learning-Bitcoin-from-the-Command-Line] (af ChristopherA).
  • 2.3k

ML-foundations

Machine Learning Foundations: Lineær Algebra, Calculus, Statistics & Computer Science.
  • 2.3k
  • MIT

waymo-open-dataset

Waymo Åbn datasæt.
  • 2.3k
  • GNU General Public License v3.0

selfie

Et pædagogisk softwaresystem af en lille selvkompilerende C-compiler, en lille selvkørende RISC-V-emulator og en lille selvhostende RISC-V-hypervisor.
  • 2.3k
  • BSD 2-clause "Simplified"

Kandinsky-2

Kandinsky 2 — flersproget tekst2billede latent diffusionsmodel.
  • 2.3k
  • Apache License 2.0

Promptify

Hurtig Engineering | Brug GPT eller andre promptbaserede modeller for at få struktureret output. Deltag i vores uenighed om Prompt-Engineering, LLM'er og anden seneste forskning.
  • 2.3k
  • Apache License 2.0

benchmarking-gnns

Repository til benchmarking af grafiske neurale netværk.
  • 2.2k
  • MIT

prompt-to-prompt

  • 2.2k
  • Apache License 2.0

qiskit-tutorials

En samling af Jupyter-notebooks, der viser, hvordan man bruger Qiskit SDK.
  • 2.2k
  • Apache License 2.0

An-Introduction-to-Statistical-Learning

Dette arkiv indeholder øvelserne og dens løsning indeholdt i bogen "An Introduction to Statistical Learning" i python.
  • 2.2k

datasets

🎁 4.800.000+ Unsplash-billeder gjort tilgængelige til forskning og maskinlæring (ved unsplash).
  • 2.1k

algorithmica

En lærebog i datalogi.
  • 2.1k

machine-learning-book

Kodelager til maskinlæring med PyTorch og Scikit-Learn.
  • 2.1k
  • MIT

coursera-deep-learning-specialization

Noter, programmeringsopgaver og quizzer fra alle kurser inden for Coursera Deep Learning-specialiseringen, der tilbydes af deeplearning.ai: (i) Neurale netværk og Deep Learning; (ii) Forbedring af dybe neurale netværk: justering af hyperparameter, Regularisering og optimering; (iii) Strukturering af maskinlæringsprojekter; (iv) Konvolutionelle neurale netværk; (v) Sekvensmodeller.
  • 2.1k

pytorch-GAT

Min implementering af det originale GAT-papir (Veličković et al.). Jeg har desuden inkluderet playground.py-filen til visualisering af Cora-datasættet, GAT-indlejringer, en opmærksomhedsmekanisme og entropihistogrammer. Jeg har understøttet både Cora (transduktive) og PPI (induktive) eksempler!.
  • 2.1k
  • MIT