用 Jupyter Notebook 编写的库

ltt

学习然后测试：校准预测算法以实现风险控制。
  • 41
  • MIT

mlattacks

机器学习攻击系列。
  • 41

CoreML-samples

使用 Apple 提供的 ResNet50 和 coremltools 生成的自定义模型的 Core ML 示例代码。
  • 41
  • MIT

notebooks

Google Colab 笔记本（由 nagolinc 提供）。
  • 41

ControllableTalkNet

这是 NVIDIA TalkNet 的修改版本。它是一个可用于CPU和GPU推理的可控网络。
  • 41
  • Creative Commons Zero v1.0 Universal

guidance

用于控制大型语言模型的指导语言。 （马克西米利安-温特）。
  • 40
  • MIT

kivy-tensorflow-helloworld

使用 Python 在 iOS、Android、MacOS、Windows 和 Linux 上使用 Tensorflow Lite 运行推理。
  • 40

amazon-rekognition-code-samples

Amazon Rekognition 代码示例。
  • 40
  • MIT No Attribution

nitroml

NitroML 是一个模块化、可移植且可扩展的模型质量基准测试框架，适用于机器学习和自动机器学习 (AutoML) 管道。
  • 40
  • Apache License 2.0

Artifact_Removal_GAN

用于消除 jpeg 伪影的 U-net GAN。
  • 40
  • MIT

Graphs4Sci

  • 40
  • MIT

Transformer-Models-from-Scratch

为各种任务实现各种变压器模型。
  • 40

full_spectrum_bioinformatics

开放获取的生物信息学文本。
  • 39

Transformer-in-Transformer

TensorFlow 中 Transformer 中 Transformer 的实现，用于图像分类、局部补丁内的注意力（作者：Rishit-dagli）。
  • 39
  • Apache License 2.0

DataDrivenDynSyst

动态系统的数据驱动方法一书附带的脚本和笔记本。
  • 39
  • MIT

cdQnA

关于法学硕士封闭领域问题和回答的文档和研究的存储库。
  • 39

doohickey

Doohickey 是一款稳定的传播工具，适合想要了解该领域最新发展的技术艺术家。
  • 39

DeepFloyd-IF-colab

  • 39
  • The Unlicense

infery-examples

使用 infery (Python) 的各种深度学习框架的演示应用程序和推理脚本的集合。
  • 39
  • GNU General Public License v3.0

Data-Visualizations-Medium

通过可视化了解数据和机器学习模型。
  • 38
  • MIT

Multi-Modal-Comparators

统一的 API 有助于使用预先训练的“感知器”模型（la CLIP）。
  • 38

Deep-Learning-With-TensorFlow

供您开始使用 TensorFlow 深度学习的所有资源和实践练习。
  • 38
  • Apache License 2.0

iterative-grabcut

该算法使用用户制作的矩形来识别前景项目。然后，用户可以编辑以添加或删除前景对象。然后，它删除背景并使其透明。
  • 38
  • MIT

Colab-Crypto-Mining

Google CoLab 笔记本上的加密货币挖掘实验。
  • 38
  • GNU General Public License v3.0 only

punchr

🥊 用于测量通过中继直接连接升级 (DCUtR) 性能的组件..
  • 38
  • Apache License 2.0

BLOOM-fine-tuning

微调绽放。
  • 38

TimeSeriesCrossValidation

时间序列交叉验证模块。
  • 37
  • MIT

xrays-and-gradcam

使用 PyTorch 对胸部 X 光片进行分类和基于梯度的定位。
  • 37
  • MIT

data-analytics-project-template

用于数据分析和数据科学的 Python 项目入门模板。
  • 37
  • Apache License 2.0

TensorFlow2.0_Notebooks

TensorFow 2.0 中一系列神经网络架构的实现。
  • 37
  • MIT