Awesome GitHub RepositoriesFully Connected Layers

This project is a static educational website and comprehensive curriculum focused on computer vision and deep learning. It serves as a public repository of instructional materials, lecture notes, and technical guides specifically detailing convolutional neural networks and visual recognition. The site is developed using static-site generation to host course documentation and student project directories. It provides structured academic resources that guide learners through image classification, generative modeling, and the implementation of various neural network architectures. The curriculum

This project is a comprehensive collection of educational examples and reference implementations for building vision and language models using PyTorch. It serves as a deep learning tutorial covering the end-to-end process of developing neural networks, from initial architecture definition to final production deployment. The repository provides detailed guides on implementing a wide range of domain-specific models, including convolutional neural networks for object detection and segmentation, as well as transformer and recurrent architectures for natural language processing. It emphasizes gene

Liger-Kernel is a collection of pre-built fused Triton kernels and patching utilities designed to accelerate large language model training. It provides drop-in kernel replacements for common LLM operations such as RMSNorm, cross-entropy loss, and attention, enabling increased throughput and reduced memory usage while preserving bitwise-exact gradients. The project serves as a toolkit for composing custom model architectures from individual optimized kernels and for patching pre-existing models with minimal code changes. The project distinguishes itself through its ability to perform runtime m

Publication-ready NN-architecture schematics.

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).

Tensorspace هو إطار عمل تصور ثلاثي الأبعاد قائم على WebGL ومُصيّر مصمم لرسم خرائط بنى نماذج التعلم العميق وبيانات الموتر في مساحات ثلاثية الأبعاد تفاعلية. يعمل كمصور لبنية الشبكة العصبية ومفتش للنماذج، مما يسمح للمستخدمين بتصيير طوبولوجيا النموذج وتحليل تدفق البيانات داخل متصفح الويب. يتميز المشروع بقدرته على تحويل نماذج Keras و TensorFlow المدربة مسبقاً إلى تمثيلات مكانية. يندمج مع TensorFlow.js لتنفيذ الاستدلال في المتصفح، مما يتيح التصور في الوقت الفعلي للتنشيطات الوسيطة، والتمريرات الأمامية، وبيانات الموتر الداخلية. يوفر إطار العمل أوليات تصيير واسعة للطبقات أحادية وثنائية الأبعاد، بما في ذلك الالتفافات، والتجميع، والطبقات الكثيفة، وعمليات دمج الموتر المختلفة. يغطي مساحة واسعة من القدرات بما في ذلك رسم خرائط طوبولوجيا النموذج، ورسوم متحركة لحالة الطبقة، وتصور مخرجات النماذج التوليدية وشبكات اكتشاف الكائنات. يتضمن النظام أدوات لتحويل تنسيق النموذج لاستيراد البنى الموجودة ولوحة تتبع الأداء لمراقبة صحة النظام ومعدلات الإطارات أثناء التصيير.

This project is a collection of educational resources and reference implementations for neural network development using TensorFlow. It serves as a comprehensive learning course, machine learning curriculum, and practical implementation guide for building deep learning architectures. The codebase provides instructional materials and examples covering a wide range of model types, including convolutional neural networks for image classification, recurrent networks and long short-term memory cells for sequential data, and autoencoders for generative modeling. It also includes implementations for

هذه مكتبة لمعماريات النماذج التوليدية المبنية باستخدام إطار عمل TensorFlow. توفر تطبيقات لإنتاج بيانات اصطناعية وصور واقعية، مع التركيز بشكل خاص على أجهزة التشفير التلقائي المتغيرة (Variational Autoencoders) ومتغيرات مختلفة من الشبكات التنافسية التوليدية (GANs). تتضمن المجموعة معماريات GAN محددة مثل WGAN-GP وLSGAN وInfoGAN وEBGAN. كما تتميز بأجهزة تشفير تلقائي متغيرة مصممة لتعلم التمثيلات الكامنة وتوليف عينات جديدة من التوزيعات المتعلمة. يغطي المشروع خطوط معالجة الصور لتطبيع وقص البيانات، بالإضافة إلى مجموعة أدوات من طبقات الشبكات العصبية بما في ذلك التلافيف ثنائية الأبعاد والتحويلات الخطية. يوفر قدرات لمعالجة الفضاء الكامن، وحقن ناقل التكييف، واستقرار النموذج من خلال دوال خسارة محددة.