#机器学习

智能对话,语言飞跃

1 个月前
Cover of 智能对话,语言飞跃

BLIVA学习资料汇总 - 更好处理富文本视觉问题的简单多模态大语言模型

2024年09月10日
Cover of BLIVA学习资料汇总 - 更好处理富文本视觉问题的简单多模态大语言模型

DeepWorks学习资料汇总 - 深度学习项目和资源集合

2024年09月10日
Cover of DeepWorks学习资料汇总 - 深度学习项目和资源集合

Ray 学习资料汇总 - 分布式计算框架助力机器学习扩展

2024年09月10日
Cover of Ray 学习资料汇总 - 分布式计算框架助力机器学习扩展

VectorHub学习资料汇总 - 向量检索技术的开源学习平台

2024年09月10日
Cover of VectorHub学习资料汇总 - 向量检索技术的开源学习平台

Superlinked学习资料汇总 - 企业级AI应用的计算框架

2024年09月10日
Cover of Superlinked学习资料汇总 - 企业级AI应用的计算框架

Open-Interface 入门学习资料 - 用 LLM 控制任何计算机的自动化工具

2024年09月10日
Cover of Open-Interface 入门学习资料 - 用 LLM 控制任何计算机的自动化工具

sagify学习资料汇总 - 简化AWS SageMaker上的机器学习工作流程

2024年09月10日
Cover of sagify学习资料汇总 - 简化AWS SageMaker上的机器学习工作流程

Neptune-client 入门指南 - 为基础模型训练打造的实验追踪工具

2024年09月10日
Cover of Neptune-client 入门指南 - 为基础模型训练打造的实验追踪工具

Otto入门指南 - 智能机器学习助手让ML变得简单直观

2024年09月10日
Cover of Otto入门指南 - 智能机器学习助手让ML变得简单直观
相关项目
Project Cover

leedl-tutorial

李宏毅教授的深度学习教程,基于《机器学习》(2021年春)并进行了优化,涵盖卷积神经网络、生成模型和自监督学习等多个领域。教程通过详细推导和重点讲解,降低了学习难度,适合中文学习者入门深度学习。

Project Cover

lance

Lance是为机器学习工作流程优化的现代列式数据格式,提供比Parquet快100倍的随机访问性能,支持矢量索引和数据版本控制。兼容pandas、DuckDB、Polars和pyarrow,适用于搜索引擎、大规模机器学习训练以及复杂数据的存储和查询,如机器人数据和大型图像。更多集成支持即将推出。

Project Cover

mediapipe

MediaPipe为开发者提供了一个平台,支持在移动、Web、桌面、边缘设备和物联网中集成机器学习功能。通过跨平台API和预训练模型,可快速部署和定制AI解决方案。MediaPipe还包含模型定制工具和浏览器内的可视化评估工具,支持高效开发和迭代。欢迎访问Google官方文档了解更多,并参与社区交流和贡献。

Project Cover

DeepSpeech

DeepSpeech是一个开源语音转文字引擎,基于百度的Deep Speech研究,并利用Google TensorFlow实现。提供详细的安装、使用和训练模型文档。最新版本及预训练模型可在GitHub获取,支持和贡献指南请参阅相应文件。

Project Cover

d2l-en

这本开源书籍使用Jupyter笔记本无缝整合深度学习的概念、背景和代码,免费提供给所有人。书中包含可运行代码、技术深度和社区讨论,帮助读者解决实际问题并成长为应用机器学习科学家。

Project Cover

tfjs

TensorFlow.js 是开源的硬件加速JavaScript库,专用于训练和部署机器学习模型。开发者能利用灵活直观的API在浏览器和Node.js环境中创建和运行模型,包括从头开始构建模型、运行现有模型和使用传感器数据重新训练模型。支持多种后端和平台,满足不同项目的需求。

Project Cover

sonnet

Sonnet是由DeepMind开发的TensorFlow 2扩展库,提供简单且可组合的抽象模型,核心概念为snt.Module,支持自定义和预定义模块。Sonnet不限制训练框架,适合监督、非监督和强化学习,并支持分布式训练和高级的TensorFlow功能。

Project Cover

autotrain-advanced

AutoTrain Advanced 是一款无代码解决方案,只需几次点击即可训练机器学习模型。需要上传正确格式的数据以创建项目,关于数据格式和定价的详细信息请查阅文档。AutoTrain 免费使用,只需为使用的资源付费。支持在 Colab 和 Hugging Face Spaces 上运行,也可以通过 PIP 本地安装。适用于 Python 3.10 及以上版本,推荐在 Conda 环境中运行。更多信息请访问项目文档页面。

Project Cover

cheatsheets-ai

提供详尽的深度学习和机器学习速查表,包括Tensorflow、Keras、Numpy等热门工具,帮助工程师和研究人员快速掌握核心知识,提高工作效率。访问AI Cheatsheets获取更多资源和最新技术信息,适用于各水平从业者。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号