6 रिपॉजिटरी
Awesome GitHub RepositoriesTraining Progress Visualizers
Real-time UI components that display training metrics such as loss, time, and progress bars.
Distinct from Real-time Pipeline Progress Visualization: Shortlist candidates focus on data pipelines or financial portfolios; this is specifically for ML training loops.
Explore 6 awesome GitHub repositories matching artificial intelligence & ml · Training Progress Visualizers. Refine with filters or upvote what's useful.
Awesome Training Progress Visualizers GitHub Repositories
AI के साथ बेहतरीन रिपॉजिटरी खोजें।हम AI का उपयोग करके सबसे सटीक रिपॉजिटरी खोजेंगे।
- fastai/course-v3
fastai/course-v3
4,914GitHub पर देखेंयह रिपॉजिटरी एक व्यापक शैक्षिक कार्यक्रम और डीप लर्निंग फ्रेमवर्क है, जिसे नोटबुक और कोड उदाहरणों के माध्यम से PyTorch का उपयोग करके व्यावहारिक डीप लर्निंग सिखाने के लिए डिज़ाइन किया गया है। यह न्यूरल नेटवर्क बनाने, प्रशिक्षित करने और डिप्लॉय करने के लिए एक हाई-लेवल लाइब्रेरी के रूप में कार्य करता है। यह प्रोजेक्ट कंप्यूटर विज़न, नेचुरल लैंग्वेज प्रोसेसिंग और टैबुलर डेटा प्रीप्रोसेसिंग के लिए विशेष टूलकिट प्रदान करता है। यह डिस्क्रिमिनेटिव लर्निंग रेट्स, ट्रेनिंग लॉजिक को कस्टमाइज़ करने के लिए टू-वे कॉलबैक सिस्टम और हाई-लेवल लर्नर एब्स्ट्रैक्शन जैसे उन्नत ट्रेनिंग कंट्रोल्स के माध्यम से खुद को अलग करता है। यह प्रोजेक्ट Jupyter Notebooks की एक श्रृंखला के रूप में उपलब्ध है।
Displays real-time progress bars and metrics like loss and time during model training.
Jupyter Notebookdata-sciencedeep-learningfastai - instruction-tuning-with-gpt-4/gpt-4-llm
Instruction-Tuning-with-GPT-4/GPT-4-LLM
4,335GitHub पर देखेंयह प्रोजेक्ट एक इंस्ट्रक्शन ट्यूनिंग फ्रेमवर्क और सिंथेटिक डेटा जनरेटर है जो छोटे स्टूडेंट मॉडल को प्रशिक्षित करने के लिए इंस्ट्रक्शन-फॉलोइंग जोड़े बनाने के लिए उच्च-क्षमता वाले टीचर मॉडल का उपयोग करता है। यह सुपरवाइज्ड इंस्ट्रक्शन ट्यूनिंग और मानव फीडबैक से रीइन्फोर्समेंट लर्निंग के लिए डेटासेट और टूल प्रदान करता है। यह फ्रेमवर्क क्रॉस-भाषाई ट्यूनिंग में माहिर है, जो विभिन्न लिपियों में मॉडल सामान्यीकरण में सुधार करने के लिए अंग्रेजी और चीनी में उच्च-गुणवत्ता वाले इंस्ट्रक्शन-फॉलोइंग उदाहरण प्रदान करता है। इसमें प्राथमिकता डेटासेट बनाने के लिए एक रिवॉर्ड मॉडलिंग टूल और रिवॉर्ड सिस्टम को प्रशिक्षित करने के लिए उपयोग की जाने वाली तुलनात्मक रेटिंग शामिल है। यह प्रोजेक्ट प्राथमिकता बेंचमार्क और अप्राकृतिक इंस्ट्रक्शन डेटासेट के माध्यम से भाषा मॉडल मूल्यांकन, साथ ही कच्चे लॉग को प्रदर्शन प्लॉट में बदलने के लिए प्रशिक्षण विज़ुअलाइज़ेशन को कवर करता है।
Provides tools to transform training logs into performance plots and figures for model optimization analysis.
HTMLalpacachatgptgpt-4 - commaai/research
commaai/research
4,121GitHub पर देखेंThis research framework provides a deep learning driving simulator and a multimodal data pipeline for autonomous vehicle research. It centers on the creation of synchronized autonomous vehicle datasets, which combine high-frequency vehicle telemetry with camera frames to train neural networks. The project implements a convolutional neural network trainer specifically designed to predict steering angles and vehicle transition states from visual data. It features generative capabilities, using autoencoders and transition models to synthesize driving environments and simulate future vehicle move
Provides a dashboard to track training logs and generates animations to evaluate the quality of simulated transitions.
Python - chenyuntc/simple-faster-rcnn-pytorch
chenyuntc/simple-faster-rcnn-pytorch
4,034GitHub पर देखेंयह प्रोजेक्ट ऑब्जेक्ट डिटेक्शन के लिए Faster R-CNN आर्किटेक्चर का एक PyTorch कार्यान्वयन है। यह एक डीप लर्निंग सिस्टम का उपयोग करके इमेजेस के भीतर मल्टीपल ऑब्जेक्ट क्लासेस और उनके संबंधित बाउंडिंग बॉक्स की पहचान करने के लिए एक फ्रेमवर्क प्रदान करता है। इस कार्यान्वयन में कस्टम डेटासेट्स पर मॉडल्स को ऑप्टिमाइज़ करने के लिए एक ट्रेनिंग पाइपलाइन और मॉडल इनिशियलाइज़ेशन के लिए बाहरी फॉर्मेट्स से प्री-ट्रेंड वेट्स को कम्पैटिबल स्ट्रक्चर में बदलने के लिए एक यूटिलिटी शामिल है। यह सिस्टम एक रीजन प्रपोज़ल नेटवर्क और एक ROI पूलिंग लेयर से युक्त दो-चरणीय डिटेक्शन पाइपलाइन को कवर करता है। यह ऑब्जेक्ट लोकेशन्स को रिफाइन करने के लिए मल्टी-टास्क लॉस फंक्शन्स और एंकर-आधारित बाउंडिंग बॉक्स रिग्रेशन को शामिल करता है। इस प्रोजेक्ट में मॉडल परफॉरमेंस की निगरानी के लिए ट्रेनिंग लॉस और प्रेडिक्शन सटीकता के वास्तविक समय विज़ुअलाइज़ेशन के लिए टूल्स शामिल हैं।
Provides real-time UI components to track training metrics such as loss and prediction accuracy.
Jupyter Notebookcupyfaster-rcnnobject-detection - snowkylin/tensorflow-handbook
snowkylin/tensorflow-handbook
3,927GitHub पर देखेंThis project is a comprehensive educational resource and tutorial handbook for building, training, and deploying machine learning models using TensorFlow 2. It serves as a structured learning guide covering core deep learning concepts, including neural network architectures, automatic differentiation, and tensor operations. The handbook provides technical guidance on optimizing execution efficiency through GPU memory management, distributed training, and model quantization. It also includes detailed manuals for constructing high-performance data pipelines and exporting models for production s
Includes tutorials on using web-based dashboards to track real-time training metrics such as loss.
Jupyter Notebook - christianversloot/machine-learning-articles
christianversloot/machine-learning-articles
3,683GitHub पर देखेंThis project is a machine learning educational archive and technical documentation collection. It serves as a deep learning tutorial series and implementation guide, providing theoretical explanations and practical walkthroughs for constructing and optimizing neural networks. The content focuses on the design and construction of diverse model architectures, including convolutional neural networks, Long Short-Term Memory networks, and generative adversarial networks. It details specific implementation patterns for autoencoders, sentiment analysis models, and various classification approaches.
Ships tools to visualize training progress via real-time graphs, histograms, and dashboards.
albertbertclustering
