科研与论文实现
共 12 个仓库 · 只看有专家点评 · 一年内有推送
用搜索引擎、网页抓取和大模型做迭代式深度调研的 AI 研究助手,能自动细化研究方向并深入某个主题,代码实现极简,适合快速上手或二次开发。
基于码本查找 Transformer 的盲人脸修复模型,能在低质量、模糊或退化的人脸图像上恢复清晰细节,适合老照片修复和人脸增强场景。
用 LLM 智能体自动完成数据挖掘、模型训练等研发流程,让 AI 驱动数据驱动的 AI 开发。
命令行工具,可在 App Store 搜索 iOS、macOS 等各平台应用并直接下载 .ipa 或 .pkg 安装包,方便做应用分析、备份和逆向研究。
用 PyTorch 复现了注意力机制、MLP、重参数化和卷积等常见模块,方便对照论文理解原理并直接嵌入视觉任务模型。
三行代码就能完成训练和调参的 AutoML 框架,自动搞定表格、图像、文本和时间序列任务,省去手动选模型和调超参的麻烦。
在数据不离开对方服务器的前提下做数据科学,通过联邦学习、安全计算和密码学技术实现隐私保护建模。
低代码 AutoML 平台,几行 Python 代码就能完成分类、回归、聚类和异常检测的建模与调参,4.0 版改用 sklearn 原生引擎并加了 React 控制台。
一份持续更新的异常检测资源大全,汇总书籍、论文、视频和工具箱,覆盖传统方法与最新的 LLM、VLM 工作,适合快速入门和跟进前沿。
基于 PyTorch 的深度概率编程库,用 Python 写贝叶斯模型,支持变分推断和 MCMC,适合做不确定性建模与生成模型研究。
基于 PyTorch 的医学影像深度学习工具包,提供数据加载、预处理、网络结构和评估等组件,帮研究者快速搭建医疗影像 AI 流程。
把时间序列当成语言来建模的预训练预测模型,基于 Transformer 架构,可直接用于零样本或微调预测,省去从零训练的成本。