Awesome GitHub RepositoriesConvolutional Neural Network Training

يوفر هذا المشروع إطار عمل للشبكات العصبية المتبقية العميقة (deep residual network) ونماذج PyTorch مدربة مسبقاً مصممة للتعرف على الصور بدقة عالية. ينفذ بنية شبكة عصبية تستخدم اتصالات التخطي (skip connections) لتمكين تدريب نماذج عميقة جداً دون تدهور التدرج. تم تصميم النظام لمهام الرؤية الحاسوبية، بما في ذلك تصنيف الصور، واكتشاف الكائنات، وتجزئة البيانات المرئية. يتضمن أوزاناً مدربة على ImageNet لدعم التعلم بالنقل (transfer learning) وضبط النماذج على مجموعات بيانات صور مخصصة. يركز التصميم المعماري على كتل التعلم المتبقية، وتكوينات طبقة الاختناق (bottleneck)، وتطبيع الدفعات (batch normalization) للحفاظ على الاستقرار أثناء التدريب. يستخدم إطار العمل أيضاً التجميع المتوسط العالمي (global average pooling) لتقليل المعلمات ومنع الإفراط في التخصيص (overfitting).

This is an open-source autonomous driving perception pipeline that processes camera and lidar sensor data to detect, track, and fuse objects in real-world driving environments. The project integrates an end-to-end perception workflow combining sensor calibration, deep learning object detection, Kalman filter tracking, and sensor fusion for robust scene understanding. The pipeline includes camera calibration tools to remove lens distortion from raw images, deep learning model training for object classification and detection, and multi-object tracking using Kalman filters with data association

The TensorFlow Cookbook is a collection of code examples and recipes for building, training, and deploying machine learning models using TensorFlow. It covers the full model lifecycle, from constructing neural networks and training them with configurable parameters to packaging trained models for production deployment with unit tests and multi-device support. The project also integrates TensorBoard for logging and visualizing computational graphs, scalar summaries, and histograms during training. The cookbook demonstrates a wide range of machine learning techniques, including convolutional ne

tiny-dnn is a header-only C++14 deep learning framework for building, training, and running inference on neural networks. It constructs static computational graphs at compile time using template-based layer composition, with a gradient-based backpropagation engine and minibatch stochastic gradient descent for training, all without external dependencies beyond the C++14 standard library. The framework supports importing pre-trained models from the Caffe framework directly, parsing its binary serialization format without requiring external protocol buffer libraries. It provides CPU-optimized te

This is a comprehensive deep learning course delivered entirely through Jupyter Notebooks, designed to teach neural network construction using TensorFlow 2.x. The curriculum follows a sequential-model-first pedagogy, introducing the Sequential API before moving to functional and subclassing approaches, and covers the full spectrum of model building from regression and classification through convolutional neural networks, natural language processing, and time series forecasting. The course is structured around a checkpoint-based training workflow that saves the best model weights during traini

هذا المشروع عبارة عن تنفيذ TensorFlow لشبكة عصبية تلافيفية مصممة لتصنيف النصوص. يعمل كمصنف نصوص للتعلم العميق يقوم بتعيين تسميات محددة مسبقاً لمستندات النص من خلال تحديد وتحليل الأنماط المتعلمة داخل مجموعات التدريب. يستخدم النموذج تسلسلاً من تحويل النصوص إلى متجهات (vectorization) في طبقة التضمين، وطبقات تلافيفية لاستخراج الميزات، وتقليل أخذ العينات (max-pooling) لمعالجة بيانات النص. يتم تحديد احتمالات الفئة النهائية من خلال نظام تصنيف الطبقة الكثيفة. يغطي سير العمل دورة حياة التعلم الآلي من البداية إلى النهاية، بما في ذلك تعلم النص الخاضع للإشراف، وتدريب النموذج مع أبعاد تضمين وأحجام فلاتر قابلة للتكوين، وتقييم الأداء باستخدام مجموعات بيانات التحقق واستمرارية النموذج القائمة على نقاط التفتيش (checkpoints).

هذا المشروع عبارة عن مصنف صور للشبكة العصبية ومجموعة من الأدوات لبناء وتدريب الشبكات العصبية التلافيفية للتعرف على الصور وتصنيفها. يعمل كدليل تعليمي للتعلم الآلي، ويوفر مورداً عملياً لتعلم أساسيات الشبكة العصبية من خلال عملية تأهيل. يتضمن النظام سير عمل مخصصاً لضبط النموذج المدرب مسبقاً، مما يسمح بتكييف أوزان الشبكة الحالية مع فئات صور جديدة. يتم دعم ذلك من خلال خط أنابيب تعلم النقل الذي يستبدل طبقات التصنيف النهائية ويعدل الأوزان من خلال إعادة التدريب المستهدف. يغطي المشروع دورة حياة التعلم الآلي من البداية إلى النهاية، بما في ذلك إعداد مجموعة بيانات الصور لمجموعات التدريب والتحقق، والتدريب التكراري القائم على الحقبة (epoch)، واستمرار النموذج القائم على الوزن. كما يوفر إمكانيات لنشر الشبكة العصبية عبر التنفيذ المحلي أو واجهة API.

This project is a TensorFlow-based supervised text categorizer designed for Chinese natural language processing. It utilizes a hybrid neural network architecture that combines convolutional and recurrent layers to map raw Chinese text to predefined categories. The system integrates convolutional neural networks for local feature extraction and recurrent neural networks for analyzing sequential dependencies. It employs character-level tokenization and word embeddings to represent text as numerical tensors. The implementation covers the end-to-end machine learning pipeline, including text prep

DeepLearnToolbox is a research-oriented framework for constructing, training, and optimizing hierarchical neural networks within the Matlab and Octave environments. It provides a modular set of tools for building diverse network topologies, including feedforward, convolutional, and deep belief architectures, using native matrix-based numerical computation. The library distinguishes itself through its support for layer-wise unsupervised pre-training, which establishes initial weights for deep models before supervised fine-tuning. It incorporates stochastic gradient descent and backpropagation

PaintsChainer is a neural network line art colorizer that automatically applies colors to black and white drawings. It utilizes a GPU-accelerated color model and a Chainer-based framework to map monochrome line art to multi-channel color images. The system supports style-driven image synthesis by learning distributions from reference images and integrates hint-based color guidance, allowing users to provide spatial constraints to direct the neural network output. The project includes a web-based interface running on a local server for uploading drawings and managing the colorization process.

Contextualized topic modeling is a framework that integrates deep learning architectures with statistical word frequency distributions to extract coherent themes from large document collections. By combining pre-trained transformer-based embeddings with variational inference, the system identifies hidden patterns in text while maintaining the interpretability of traditional generative models. The library distinguishes itself by mapping diverse languages into a shared semantic space, enabling topic discovery and classification across multilingual datasets without requiring language-specific tr