Awesome GitHub RepositoriesRecurrent State Managers

Mamba is a deep learning framework designed for building and training sequence models that process long-range data dependencies with linear-time computational efficiency. By utilizing selective state space modeling, the library enables the construction of neural network architectures that replace traditional attention mechanisms with high-performance state space operations. The framework distinguishes itself through the use of data-dependent state gating, which allows the model to dynamically filter information flow based on the input sequence. To ensure high throughput, it incorporates hardw

This project is a machine learning educational repository providing a collection of implementations and guides for machine learning and deep learning algorithms. It serves as a deep learning model library and a reference for training workflows, covering foundational machine learning, convolutional, recurrent, and transformer architectures. The collection includes a generative adversarial network suite for synthesizing realistic images and performing image-to-image translation. It also functions as a computer vision implementation guide for object detection and semantic segmentation, alongside

Tensorpack هو إطار عمل شبكة عصبية TensorFlow عالي المستوى ومكتبة بحثية مصممة لبناء وتدريب نماذج التعلم العميق. يوفر مجموعة من بنيات الشبكات العصبية القابلة للتكرار للرؤية الحاسوبية، والمهام التوليدية، والتعلم التعزيزي، ومعالجة اللغات الطبيعية. يتميز المشروع بخط معالجة بيانات تعلم عميق متخصص يستخدم Python الخالص لتحميل البيانات المتوازي والبث. ويتضمن منسق تدريب متعدد وحدات GPU لتوزيع أعباء العمل عبر استراتيجيات موازية للبيانات ومجموعة أدوات قابلية تفسير مخصصة لتصور خرائط بروز وتنشيط النموذج. يغطي إطار العمل مجموعة واسعة من القدرات، بما في ذلك خطوط معالجة الرؤية الحاسوبية لاكتشاف الكائنات والتجزئة الدلالية، ونمذجة التسلسل للكلام والنص، وتطوير وكيل التعلم التعزيزي. كما يوفر أدوات تحسين النموذج لتكميم الأوزان والتدريب منخفض البت، إلى جانب مرافق لإعادة إنتاج الأوراق البحثية الأكاديمية وتحويل أوزان نموذج Caffe القديمة.

هذا المشروع هو مورد تعليمي للتعلم العميق ومجموعة مشاريع للشبكات العصبية. يوفر مجموعة من تطبيقات TensorFlow العملية ومشاريع البرمجة المصممة لإظهار تطبيق بنيات الشبكات العصبية المختلفة على بيانات العالم الحقيقي. يتضمن المشروع عينات محددة للشبكات التنافسية التوليدية (GANs)، مع التركيز على توليد الصور الاصطناعية وترجمة الأنماط. كما يوفر أمثلة لبناء نماذج التعلم العميق عبر نماذج تعلم مختلفة. يغطي الكود المصدري مجموعة واسعة من القدرات، بما في ذلك رؤية الكمبيوتر للتعرف على أنماط الصور، ومعالجة اللغة الطبيعية، وتحليل البيانات للتنبؤ بالسلاسل الزمنية. كما يشمل التعلم التعزيزي لتدريب الوكلاء المستقلين واستخدام المعالجة التسلسلية المتكررة.

This project is a PyTorch sentiment analysis tutorial and a deep learning implementation for analyzing text. It provides a natural language processing sequence classification pipeline designed to clean text data and train neural networks to categorize sequences of words. The implementation focuses on adapting pretrained language models for specific text classification tasks using custom datasets. It includes a process for fine-tuning large-scale language models and implementing recurrent networks and transformers for emotional tone detection. The project covers the broader surface of text se

Practical PyTorch هي مجموعة من دروس وأدلة التعلم العميق التي تركز على تنفيذ الشبكات العصبية المتكررة. يوفر المشروع كوداً عملياً لبناء نماذج التسلسل وبنيات التسلسل إلى التسلسل باستخدام إطار عمل PyTorch. يغطي المستودع تنفيذ نماذج للترجمة الآلية العصبية، وتوليد النصوص على مستوى الحرف، وتصنيف النصوص. يتضمن أمثلة لتحويل تسلسلات الإدخال إلى تسلسلات إخراج للترجمة الآلية وتوليف نصوص جديدة. يمتد المشروع أيضاً إلى التنبؤ ببيانات التسلسل وتحليل السلاسل الزمنية، مما يوفر طرقاً للتنبؤ بالأحداث المستقبلية بناءً على الأنماط التسلسلية التاريخية.

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

يعمل هذا المستودع كمورد تعليمي لتعلم التعلم العميق وتطوير الشبكات العصبية من خلال إطار عمل Keras. يوفر مجموعة من البرامج التعليمية التفاعلية وعينات الكود الموثقة المصممة لتوجيه المستخدمين عبر بناء وتدريب وتقييم نماذج تعلم الآلة. يركز المشروع على التنفيذات العملية عبر عدة مجالات، بما في ذلك رؤية الحاسوب، ومعالجة اللغات الطبيعية، وتحليل البيانات التسلسلية. يمكن للمستخدمين استكشاف سير العمل لتصنيف الصور، واكتشاف الكائنات، والتعرف على الوجوه، بالإضافة إلى تقنيات تحويل النص إلى تنسيقات قابلة للقراءة آلياً. يتم تنظيم المواد كسلسلة من دفاتر Jupyter، مما يسمح بالتنفيذ التكراري والتصور في الوقت الفعلي لمقاييس تدريب النموذج. توضح هذه الدفاتر كيفية استخدام الواجهات عالية المستوى لإدارة العمليات الرياضية المعقدة، ومعالجة البيانات مسبقاً، وتكوين النموذج القائم على الطبقات المعيارية.

This project provides a structured educational curriculum focused on the end-to-end lifecycle of deep learning. It serves as a comprehensive resource for mastering neural network architectures and machine learning strategy through a series of interactive notebooks and technical exercises. The curriculum distinguishes itself by combining foundational neural network construction with practical project management frameworks. It guides users through the design of deep learning models, the application of hyperparameter tuning and regularization for performance optimization, and the implementation