Librerie scritte in Jupyter Notebook
sd-webui-colab
Un repository per la manutenzione della versione Colab del repository stable-diffusion-webui.
- 513
- Apache License 2.0
diffusion_models
Una serie di quaderni tutorial sui modelli probabilistici di diffusione denoising in PyTorch (di acidi-ircam).
- 512
Datos-COVID19
Para señalar fonte de los datos señalar que vienen de este repositorio, junto con la fonte de orígen: "Datos obtenidos desde el Ministerio de Ciencia y producidos por el Ministerio de Salud (o la fonte quecorrisponde) https://github.com/ MinCiencia/Datos-COVID19". Si prega di attribuire la provenienza dei dati: prodotto dal Ministero della Salute cileno e ottenuto dal Ministero della Scienza https://github.com/MinCiencia/Datos-COVID19".
- 512
- Creative Commons Zero v1.0 Universal
dmol-book
Apprendimento approfondito per molecole e materiali libro.
- 511
- GNU General Public License v3.0
Human-Segmentation-PyTorch
Modelli di segmentazione umana, codice di addestramento/inferenza e pesi addestrati, implementati in PyTorch.
- 506
ithaca
Restauro e attribuzione di testi antichi utilizzando reti neurali profonde.
- 501
- Apache License 2.0
kglab
Graph Data Science: un livello di astrazione in Python per la creazione di grafi della conoscenza, integrato con le librerie di grafi più diffuse – in cima a Pandas, NetworkX, RAPIDS, RDFlib, pySHACL, PyVis, morph-kgc, pslpython, pyarrow, ecc..
- 499
- MIT
6S083
Materiali per MIT 6. S083 / 18. S190: Computational thinking with Julia + application to the COVID-19 pandemic.
- 495
- GNU General Public License v3.0
jaxrl
Implementazione JAX (Flax) di algoritmi per Deep Reinforcement Learning con spazi di azione continua..
- 494
- MIT
AeroSandbox
Ottimizzazione del design degli aeromobili resa rapida grazie alla moderna differenziazione automatica. Strumenti di analisi componibili per aerodinamica, propulsione, strutture, progettazione di traiettorie e molto altro ancora...
- 490
- MIT
Deep-Reinforcement-Learning-Algorithms
32 progetti nell'ambito degli algoritmi di Deep Reinforcement Learning: Q-learning, DQN, PPO, DDPG, TD3, SAC, A2C e altri. Ogni progetto viene fornito con un registro dettagliato della formazione.
- 485
LLVIP
LLVIP: un set di dati accoppiato a infrarossi visibili per la visione in condizioni di scarsa illuminazione.
- 484
Building-a-Simple-Chatbot-in-Python-using-NLTK
Creazione di un semplice chatbot da zero in Python (utilizzando NLTK).
- 483
Reactors
🌱 Unisciti a una community di sviluppatori di Microsoft Reactor e connettiti con persone, competenze e tecnologia per costruire la tua carriera o apprendimento personale. Offriamo live streaming gratuiti, contenuti on demand ed eventi ibridi/di persona ogni giorno in tutto il mondo. Accedi ai nostri progetti e al codice qui..
- 477
- MIT
