Awesome GitHub RepositoriesTraining Data Augmentation

Audiocraft is a deep learning audio library and machine learning framework designed for training, fine-tuning, and evaluating generative models for music and sound effects. It functions as a text-to-music generative model and a neural audio codec, providing the tools necessary to compress audio signals into discrete representations and synthesize high-fidelity waveforms from textual descriptions. The framework is distinguished by its ability to combine multiple conditioning signals, allowing for the generation of audio based on text prompts, melodic excerpts, or style-based audio clips. It al

ESPnet is a comprehensive speech processing toolkit and PyTorch-based trainer designed for building end-to-end speech recognition, synthesis, and translation models. It provides a structured framework for developing automatic speech recognition systems using transducer and encoder-decoder architectures, alongside engines for text-to-speech synthesis and speech translation pipelines. The project distinguishes itself through a recipe-based workflow execution system that ensures experimental reproducibility by running standardized sequences of scripts for data preparation and model training. It

This repository contains programming assignments and lecture notes from Andrew Ng's foundational deep learning course specialization on Coursera. The materials cover core neural network training techniques including optimization algorithms, normalization methods, regularization approaches, parameter initialization strategies, and learning rate scheduling to improve model convergence and generalization. The coursework explores design principles where successive neural network layers learn progressively more abstract feature representations from input data. It provides guidance on selecting ope

Snorkel is a weak supervision system that enables users to programmatically generate training labels for machine learning models without manual annotation. At its core, it provides a framework for writing labeling functions as Python callables that each vote on data points, and then trains a probabilistic graphical model over these multiple weak supervision sources to estimate latent true labels without any ground truth data. The system automatically learns accuracy and correlation parameters between labeling functions by analyzing observed agreement patterns on unlabeled data, converting lab

AugLy est une bibliothèque d'augmentation de données multimodale et un augmentateur de jeux de données de machine learning. Elle fournit un système pour générer des variations synthétiques de données d'entraînement à travers des jeux de données audio, image, texte et vidéo pour augmenter la diversité des échantillons et améliorer la robustesse du modèle. La bibliothèque fonctionne comme un simulateur de bruit multimédia, spécifiquement conçu pour imiter les captures d'utilisateurs réels en superposant des modèles de réseaux sociaux et des artefacts internet sur les médias. Elle inclut un traqueur de provenance des données pour enregistrer les transformations spécifiques et les niveaux d'intensité appliqués à chaque élément de données augmentées. L'outil couvre un large éventail de capacités d'expansion de jeux de données, incluant des transformations linguistiques pour le texte, des transformations temporelles et visuelles pour la vidéo, et des transformations sonores pour l'audio.

nlpaug est une bibliothèque d'augmentation de données conçue pour générer du texte, de l'audio et des données de spectrogramme synthétiques afin d'améliorer la robustesse des modèles de machine learning. Elle fonctionne comme un synthétiseur de données textuelles et un augmentateur de signaux audio, fournissant des outils spécialisés pour étendre les jeux de données via diverses méthodes de transformation. Le projet se distingue par sa capacité à orchestrer des flux de travail complexes à l'aide d'un orchestrateur de pipeline, permettant d'enchaîner plusieurs fonctions d'augmentation de manière séquentielle ou aléatoire. Il prend en charge la synthèse de texte sophistiquée via la rétro-traduction, les plongements lexicaux contextuels et l'intégration de modèles de langage pré-entraînés, tout en offrant une augmentation d'images de spectrogrammes par masquage temporel et fréquentiel. La bibliothèque couvre un large éventail de capacités, incluant la modification de signaux audio avec injection de bruit et changement de hauteur (pitch shifting), des altérations de texte basées sur des règles pour simuler des fautes de frappe et d'orthographe, et l'expansion de jeux de données par génération de phrases et substitution sémantique. Elle fournit également des contrôles pour le volume d'augmentation et le filtrage des cibles via des expressions régulières pour protéger certains jetons de toute modification.

This project is a deep learning framework designed for end-to-end speech-to-text transcription. It utilizes the WaveNet neural network architecture to process spoken audio input and generate written text transcripts, leveraging connectionist temporal classification to map variable-length audio sequences to character-level outputs. The system distinguishes itself through a comprehensive training pipeline that supports distributed execution across multiple graphics processing units. It includes specialized utilities for audio data augmentation and the transformation of raw audio files into opti

Minigo is a TensorFlow-based reinforcement learning engine designed to master the game of Go. It functions as a comprehensive system for training neural networks to predict board policies and game outcomes, utilizing a model trainer to generate self-play data and optimize weights. The project is distinguished by its ability to perform large-scale game simulations using Kubernetes to distribute worker nodes across CPU, GPU, and TPU hardware. It employs a Monte Carlo Tree Search implementation to identify optimal moves and supports specialized hardware acceleration, including inference on Edge

This project is a biomedical image segmentation framework and PyTorch computer vision library. It provides a deep learning pipeline for isolating specific anatomical structures within medical imagery using pixel-level binary classification. The system utilizes an encoder-decoder neural architecture combined with attention-based feature refinement to highlight relevant anatomical regions and suppress background noise. The toolkit covers a full training workflow, including stochastic data augmentation for biomedical datasets, hyperparameter optimization, and model persistence for restoring pre

Cette bibliothèque fournit un framework de deep learning pour entraîner des réseaux de neurones à effectuer la reconnaissance vocale et la classification audio. Elle utilise des architectures séquence-à-séquence pour mapper des entrées audio de longueur variable en sorties textuelles ou numériques, permettant le développement de modèles de transcription parole-vers-texte personnalisés. Le projet se distingue par des capacités de traitement audio intégrées qui transforment les formes d'onde brutes en spectrogrammes et en vecteurs numériques de haute dimension. Ces outils permettent l'extraction de caractéristiques vocales uniques pour identifier les locuteurs, ainsi que la classification de sources audio spécifiques et de chiffres parlés. Pour soutenir le développement de modèles, la bibliothèque inclut des utilitaires pour l'augmentation audio et la reconstruction de signal. En modifiant par programmation des échantillons audio pour simuler divers environnements acoustiques et en vérifiant l'intégrité des caractéristiques apprises par reconstruction dans l'espace latent, le système améliore la robustesse de ses réseaux de neurones sous-jacents.