Awesome GitHub RepositoriesLinear Mixing Layers

Einops is a tensor manipulation library that provides a framework-agnostic interface for reshaping, Einstein summation, and multi-dimensional array operations. It serves as an abstraction layer that works across NumPy, PyTorch, TensorFlow, and JAX, allowing for tensor transformations without changing the API. The library distinguishes itself through a declarative notation system that uses readable string patterns to describe tensor rearrangements and reductions. This approach includes an extended Einstein summation interface that supports multi-letter axis names and a named dimension mapping

IP-Adapter is a framework for conditioning pretrained text-to-image diffusion models to use image prompts as visual guides. It serves as a text-to-image model extension that transforms a text-based diffusion model to accept and process image inputs as primary generation sources. The system implements identity preservation to maintain consistent facial features across multiple outputs using a reference photo. It also enables style transfer workflows to produce image variations that preserve the artistic characteristics of a source image. Capabilities cover multi-modal prompting, including the

ComfyUIIPAdapterplus هو إضافة قائمة على العقد لـ ComfyUI تنفذ نماذج IPAdapter لتوجيه إنشاء الصور باستخدام صور مرجعية. تعمل كأداة توجيه صور ومحول صور Stable Diffusion، مما يسمح للملفات المرجعية بالعمل كموجهات مرئية للتحكم في النمط، والتكوين، وهوية الموضوع. يوفر المشروع قدرات متخصصة للحفاظ على هوية الوجه والميزات عالية الدقة عبر الصور الشخصية التي تم إنشاؤها. يتيح نقل الخصائص المرئية والأنماط الفنية من الصور المرجعية، بالإضافة إلى استخراج التخطيطات المكانية لتوجيه ترتيب الكائنات في الأجيال الجديدة. تغطي الإضافة مجالات وظيفية واسعة بما في ذلك تكييف صور الذكاء الاصطناعي، وإنشاء شخصيات متسقة، والتحكم في تكوين الصور.

Flashlight هي مكتبة تعلم آلي بلغة C++ وإطار عمل للتعلم العميق مصمم لبناء وتدريب الشبكات العصبية. تعمل كمكتبة لمعالجة الموترات (Tensors) ومحرك للتمايز التلقائي يتتبع العمليات لحساب التدرجات عبر الانتشار العكسي (Backpropagation) لتحسين النموذج. يتميز المشروع بدوره كإطار عمل للتدريب الموزع، حيث يستخدم مزامنة التدرج (All-reduce) والبيئات الموزعة لتوسيع نطاق أحمال عمل التعلم الآلي عبر عقد وأجهزة متعددة. يتميز بواجهة ذاكرة غير مرتبطة بالخلفية وإدارة تعتمد على RAII لفصل عمليات الموتر عن الأجهزة الفعلية. يغطي إطار العمل مساحة قدرة واسعة بما في ذلك بناء بنيات الشبكات العصبية مع طبقات تلافيفية وخطية ومتكررة. يوفر أدوات واسعة النطاق لجبر الموترات، وإدارة مجموعات البيانات وتجميعها، وتسلسل ثنائي مرقم لحالات النموذج، وأدوات مراقبة لتتبع مقاييس التدريب واستخدام الذاكرة.

هذا المشروع عبارة عن مورد تعليمي شامل ودورة تدريبية لبناء الشبكات العصبية باستخدام PyTorch. يغطي اللبنات الأساسية للتعلم العميق، بما في ذلك معالجة الموترات (tensors)، والتمايز التلقائي، وبناء مكونات الشبكة العصبية المعيارية. يعمل المستودع كدليل تقني للعديد من المجالات المتخصصة. يوفر تفاصيل تنفيذ لمهام رؤية الكمبيوتر مثل تصنيف الصور، واكتشاف الكائنات، والتجزئة الدلالية، بالإضافة إلى سير عمل معالجة اللغات الطبيعية التي تتضمن المحولات (transformers)، والشبكات المتكررة، والنماذج التوليدية. بالإضافة إلى ذلك، يتضمن مرجعاً للذكاء الاصطناعي التوليدي، مع التركيز بشكل خاص على تركيب الصور عبر نماذج الانتشار (diffusion models) والشبكات التنافسية. تمتد المادة إلى تحسين النماذج وخطوط أنابيب النشر. تغطي تقنيات لتقليل حجم النموذج وزيادة سرعة الاستنتاج من خلال التكميم (quantization) وتصدير النماذج إلى تنسيقات مثل ONNX وTensorRT. تشمل مجالات القدرة الأخرى هندسة البيانات للتحميل المتوازي، وتقييم النموذج باستخدام مقاييس مخصصة، ونشر نماذج اللغات الكبيرة مفتوحة المصدر. يتم تقديم المشروع بشكل أساسي كسلسلة من دفاتر Jupyter.

هذا المشروع هو إطار عمل تعلم تبايني ذاتي الإشراف مصمم لتدريب نماذج التعلم العميق لتعلم تمثيلات مرئية من الصور دون استخدام تسميات مقدمة من البشر. يوفر نظاماً لتطوير نماذج تمثيل مرئي مدربة مسبقاً يمكن تكييفها لمهام رؤية الكمبيوتر اللاحقة. يتضمن إطار العمل أدوات لتصنيف الصور شبه الخاضع للإشراف، والذي يجمع بين مجموعات بيانات كبيرة غير مصنفة ومجموعات صغيرة مصنفة لتحسين الدقة. كما يتميز بأداة تقييم مسبار خطي لتقييم جودة ميزات الصورة المتعلمة عن طريق تدريب مصنف خطي بسيط فوق التمثيلات المجمدة. يغطي الكود البرمجي تدريب التعلم العميق الموزع وتسريع الأجهزة للتعامل مع أحجام دفعات كبيرة، إلى جانب بدائيات التحسين مثل جدولة معدل التعلم cosine-decay وتنظيم weight-decay. كما يوفر أدوات لإدارة النماذج، بما في ذلك تحويل نقاط التحقق المدربة مسبقاً بين تنسيقات إطار عمل التعلم العميق المختلفة وأدوات لنشر النماذج. يتم توفير التنفيذ كمجموعة من دفاتر Jupyter.

This is a structured deep learning curriculum for programmers, delivered as a collection of Jupyter notebooks. It teaches the fundamentals of training neural networks for computer vision, natural language processing, tabular data analysis, and collaborative filtering using PyTorch and the fastai library. The course is designed to be hands-on, guiding learners from building a training loop from scratch to fine-tuning pretrained models for a variety of practical tasks. The curriculum distinguishes itself by covering the full lifecycle of a deep learning project, from data preparation and augmen