33 रिपॉजिटरी
Awesome GitHub RepositoriesTensor Transformations
Tools that perform element-wise operations and shape manipulations on tensor data structures.
Explore 33 awesome GitHub repositories matching data & databases · Tensor Transformations. Refine with filters or upvote what's useful.
Awesome Tensor Transformations GitHub Repositories
AI के साथ बेहतरीन रिपॉजिटरी खोजें।हम AI का उपयोग करके सबसे सटीक रिपॉजिटरी खोजेंगे।
- tensorflow/tensorflow
tensorflow/tensorflow
195,697GitHub पर देखेंTensorFlow is a comprehensive machine learning framework designed for the construction, training, and deployment of complex mathematical models. It utilizes a graph-based execution model that represents operations as directed acyclic graphs, enabling automatic differentiation and efficient parallel processing. The system provides high-level interfaces for defining neural network architectures, alongside a robust engine for managing multidimensional array structures and tensor mathematics. The framework distinguishes itself through a scalable distributed runtime that orchestrates workloads acr
Applies optimized routines to perform element-wise operations and shape manipulations on multi-dimensional data structures.
C++deep-learningdeep-neural-networksdistributed - facebookresearch/detectron2
facebookresearch/detectron2
34,548GitHub पर देखेंDetectron2 is a PyTorch computer vision framework and visual recognition platform designed for training and deploying models for object detection, image segmentation, and visual recognition. It provides a research-oriented environment for training complex vision models with multi-GPU acceleration. The project includes a specialized object detection library for identifying and locating multiple objects via bounding boxes, as well as an image segmentation toolkit for creating pixel-level masks through instance, semantic, and panoptic segmentation. Additionally, it features a human pose estimati
Converts raw image annotations into standardized tensor formats for consistent model training.
Python - d2l-ai/d2l-en
d2l-ai/d2l-en
29,001GitHub पर देखेंThis project is an educational platform and research toolkit designed to teach deep learning through a combination of mathematical theory, visual diagrams, and executable code. It provides a comprehensive environment for building, training, and evaluating neural networks, grounding complex concepts in interactive computational notebooks that allow for hands-on experimentation. The framework distinguishes itself by interleaving theoretical foundations—including linear algebra, calculus, and probability—with practical implementations across multiple industry-standard libraries. It supports flex
Converts processed numerical datasets into framework-specific tensor formats for model computation.
Pythonbookcomputer-visiondata-science - federico-busato/modern-cpp-programming
federico-busato/Modern-CPP-Programming
15,808GitHub पर देखेंThis project is a comprehensive educational resource and programming course covering C++ language semantics and features from C++03 through C++26. It provides structured tutorials and technical guides focused on modern C++ development. The material offers specialized instruction on template metaprogramming, including the use of type traits and compile-time computations. It features detailed guides on concurrency and parallelism for multi-core execution, as well as a reference for software design applying SOLID principles and RAII. Additionally, it covers build performance optimization to redu
Provides instruction on representing matrices and tensors using non-owning views that map indices to linear memory.
HTMLc-plus-pluscode-qualitycompilers - alibaba/mnn
alibaba/MNN
14,242GitHub पर देखेंMNN is a high-performance inference engine and framework designed for on-device machine learning. It provides a comprehensive environment for executing, optimizing, and deploying neural network models directly on mobile and resource-constrained edge devices. The framework distinguishes itself through a robust model optimization toolkit that supports quantization, compression, and structural graph manipulation to minimize memory footprint and maximize execution speed. It features a modular architecture that abstracts hardware-specific backends, allowing models to run efficiently across diverse
Modifies tensor values using element-wise scaling, bias addition, or padding to prepare numerical data for inference.
C++armconvolutiondeep-learning - nielsrogge/transformers-tutorials
NielsRogge/Transformers-Tutorials
11,641GitHub पर देखेंThis is a collection of tutorials and practical demonstrations for implementing machine learning tasks using the HuggingFace Transformers library. It serves as a guide for applying transformer architectures across computer vision, natural language processing, and audio analysis. The repository provides implementation examples for multimodal model deployment, including the combination of text, image, and audio inputs. It includes resources for optimizing pre-trained models through fine-tuning on custom datasets and provides examples for preparing PyTorch datasets by converting raw files into t
Provides examples for converting raw input files into tensors and batches for efficient model processing.
Jupyter Notebookbertgpt-2layoutlm - lyhue1991/eat_tensorflow2_in_30_days
lyhue1991/eat_tensorflow2_in_30_days
9,933GitHub पर देखेंThis project is a structured learning curriculum and technical reference for mastering deep learning with TensorFlow. It provides a comprehensive guide for building, training, and deploying neural networks, combining theoretical fundamentals with practical implementation examples. The repository distinguishes itself by covering the end-to-end machine learning workflow, from low-level tensor mathematics and linear algebra to the creation of complex model architectures. It includes specific guidance on developing data pipelines for diverse data types, such as images, text, and time-series seque
Provides comprehensive instructions for performing tensor reshaping, squeezing, and transposing operations.
Pythontensorflowtensorflow-examplestensorflow-tutorial - arogozhnikov/einops
arogozhnikov/einops
9,398GitHub पर देखेंEinops 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
Combines tensors of varying shapes into a single array and tracks their shapes for later restoration.
Pythoncupydeep-learningeinops - torch/torch7
torch/torch7
9,127GitHub पर देखेंTorch7 is a scientific computing environment and tensor computation library used for deep learning research and numerical analysis. It functions as a Lua-based framework for training neural networks and learning agents, providing a toolkit for implementing architectures and training through reinforcement learning algorithms. The project is distinguished by its tight integration with C, utilizing a binding layer to map high-level scripting to low-level C structures for direct memory access. It supports hardware-accelerated computation by offloading linear algebra and convolution operations to
Collects values from each row of a source tensor based on an index tensor.
C - kellyjonbrazil/jc
kellyjonbrazil/jc
8,538GitHub पर देखेंjc is a tool that transforms plain-text results from command-line utilities, system tools, log formats, and text tables into structured JSON data. It functions as a structured data transformer capable of converting various file formats, including CSV, INI, XML, and YAML, into JSON representations for programmatic use. The project includes a collection of specific parsers for Unix commands and system tools such as df, blkid, and various package managers. It also features specialized converters for web server logs, Common Log Format, and Common Event Format strings. The tool covers broad capab
Transforms ASCII and Unicode text tables into structured JSON objects by mapping column headers to row values.
Pythonbashbash-scriptingcli - morvanzhou/pytorch-tutorial
MorvanZhou/PyTorch-Tutorial
8,458GitHub पर देखेंThis project is a collection of PyTorch learning resources and educational guides designed to teach the construction and training of neural networks. It serves as a comprehensive deep learning tutorial covering various model architectures and practical implementation strategies. The resources provide specific guidance on implementing computer vision tasks, such as image classification and synthetic imagery generation, as well as reinforcement learning agents using value networks and experience replay. It also covers sequential data modeling through recurrent networks and generative modeling u
Demonstrates how to transform input tensors using mathematical operations to enable complex pattern learning.
Jupyter Notebookautoencoderbatchbatch-normalization - tingsongyu/pytorch_tutorial
TingsongYu/PyTorch_Tutorial
8,018GitHub पर देखेंThis 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
Implements adaptive pooling to resize feature maps to a target size regardless of input dimensions.
Python - flashlight/flashlight
flashlight/flashlight
5,443GitHub पर देखेंFlashlight एक स्टैंडअलोन C++ मशीन लर्निंग लाइब्रेरी और टेंसर लाइब्रेरी है जिसका उपयोग न्यूरल नेटवर्क बनाने और ट्रेन करने के लिए किया जाता है। यह एक व्यापक न्यूरल नेटवर्क फ्रेमवर्क और ऑटोमैटिक डिफरेंशिएशन इंजन के रूप में कार्य करता है, जो कम्प्यूटेशन ग्राफ बनाने और बैकप्रोपैगेशन के माध्यम से ग्रेडिएंट्स की गणना करने के लिए उपकरण प्रदान करता है। यह प्रोजेक्ट एक वितरित ट्रेनिंग फ्रेमवर्क के रूप में कार्य करता है, जो कई कंप्यूट नोड्स और डिवाइसेस पर ग्रेडिएंट्स और पैरामीटर्स को सिंक्रोनाइज़ करने के लिए ऑल-रिड्यूस ऑपरेशन्स का उपयोग करता है। यह उच्च-प्रदर्शन टेंसर मैनिपुलेशन, नेटिव डिवाइस मेमोरी इंटरऑपरेबिलिटी और बड़े पैमाने पर मॉडल ट्रेनिंग को गति देने के लिए वितरित वर्कर्स में वेट्स को सिंक्रोनाइज़ करने के सिस्टम के गहरे एकीकरण के माध्यम से खुद को अलग करता है। यह फ्रेमवर्क रेजिडुअल ब्लॉक्स और रिकरेंट सेल्स जैसे जटिल आर्किटेक्चर को डिज़ाइन करने के लिए मॉड्यूलर लेयर कंपोज़िशन सहित डीप लर्निंग क्षमताओं की एक विस्तृत श्रृंखला को कवर करता है। यह मॉडल स्टेट्स को बनाए रखने के लिए सीरियलाइजेशन सिस्टम के साथ-साथ इनजेशन और प्रीफेचिंग के लिए व्यापक डेटा प्रबंधन यूटिलिटीज प्रदान करता है। इसके अतिरिक्त, इसमें ट्रेनिंग मेट्रिक्स को ट्रैक करने और सीक्वेंस एरर्स को मापने के लिए मॉनिटरिंग और ऑब्जर्वेबिलिटी टूल्स का एक सूट शामिल है। यह लाइब्रेरी C++ में इम्प्लीमेंट की गई है।
Generates tensors containing identity matrices, sequential ranges, and evenly-spaced values.
C++ - facebookresearch/flashlight
facebookresearch/flashlight
5,443GitHub पर देखेंFlashlight एक C++ मशीन लर्निंग लाइब्रेरी और डीप लर्निंग फ्रेमवर्क है जिसे न्यूरल नेटवर्क बनाने और ट्रेन करने के लिए डिज़ाइन किया गया है। यह एक टेंसर मैनिपुलेशन लाइब्रेरी और एक ऑटोमैटिक डिफरेंशिएशन इंजन के रूप में कार्य करता है जो मॉडल ऑप्टिमाइज़ेशन के लिए बैकप्रोपैगेशन के माध्यम से ग्रेडिएंट्स की गणना करने के लिए ऑपरेशन्स को ट्रैक करता है। यह प्रोजेक्ट एक वितरित ट्रेनिंग फ्रेमवर्क के रूप में अपनी भूमिका के लिए प्रतिष्ठित है, जो कई नोड्स और डिवाइसेस पर मशीन लर्निंग वर्कलोड को स्केल करने के लिए ऑल-रिड्यूस ग्रेडिएंट सिंक्रोनाइज़ेशन और वितरित वातावरण का उपयोग करता है। इसमें बैकएंड-अज्ञेयवादी मेमोरी इंटरफेस और RAII-आधारित प्रबंधन की सुविधा है ताकि टेंसर ऑपरेशन्स को फिजिकल हार्डवेयर से अलग किया जा सके। यह फ्रेमवर्क कन्वेन्शनल, लीनियर और रिकरेंट लेयर्स के साथ न्यूरल नेटवर्क आर्किटेक्चर के निर्माण सहित क्षमताओं की एक विस्तृत श्रृंखला को कवर करता है। यह टेंसर बीजगणित, डेटासेट प्रबंधन और बैचिंग, मॉडल स्टेट्स के लिए वर्शन्ड बाइनरी सीरियलाइजेशन और ट्रेनिंग मेट्रिक्स व मेमोरी उपयोग को ट्रैक करने के लिए मॉनिटरिंग टूल्स के लिए व्यापक यूटिलिटीज प्रदान करता है।
Ships functions for saving and loading tensors and neural network modules to binary files.
C++ - bbycroft/llm-viz
bbycroft/llm-viz
5,260GitHub पर देखेंllm-viz is a 3D architecture visualizer and inference simulator for large language models. It provides a visual representation of network topology and the mathematical operations used during the process of generating a response. The tool enables the exploration of internal weight distributions and the layout of layers within a neural network. It facilitates model interpretability and inference debugging by tracking the step-by-step movement of data through the architecture. The system utilizes GPU-accelerated 3D rendering to visualize tensor flow and spatial mappings of weights. It includes
Visualizes the movement and transformation of data tensors as they pass through different model layers during inference.
TypeScript - javascriptdata/danfojs
javascriptdata/danfojs
5,050GitHub पर देखेंDanfo.js, JavaScript के लिए एक डेटा विश्लेषण और प्रीप्रोसेसिंग लाइब्रेरी है जो उच्च-प्रदर्शन लेबल वाली डेटा संरचनाएं प्रदान करती है। यह जटिल डेटा विश्लेषण, सांख्यिकीय कंप्यूटिंग और स्ट्रक्चर्ड टैबुलर डेटा के हेरफेर को सक्षम करने के लिए डेटा फ्रेम और सीरीज को लागू करती है। यह प्रोजेक्ट एक मशीन लर्निंग प्रीप्रोसेसिंग लाइब्रेरी के रूप में कार्य करता है, जो कैटेगोरिकल लेबल एन्कोडिंग, वन-हॉट एन्कोडिंग, और न्यूमेरिक फीचर स्केलिंग व मानकीकरण के लिए उपयोगिताएं प्रदान करता है। यह विशेष रूप से मॉडल ट्रेनिंग और मूल्यांकन के लिए लेबल वाली डेटा संरचनाओं को टेंसर में बदलने की सुविधा देता है। लाइब्रेरी वर्णनात्मक सांख्यिकी, मर्जिंग और जॉइनिंग जैसे रिलेशनल ऑपरेशंस, और टाइम-सीरीज प्रोसेसिंग सहित क्षमताओं के एक विस्तृत सेट को कवर करती है।
Provides utilities to transform structured data frames into tensors for compatibility with machine learning frameworks.
TypeScriptdanfojsdata-analysisdata-analytics - nyandwi/machine_learning_complete
Nyandwi/machine_learning_complete
4,983GitHub पर देखेंThis is an interactive notebook-based course that teaches machine learning from Python fundamentals through deep learning and natural language processing. It uses real datasets and multiple frameworks within a structured, hands-on curriculum that combines concise explanations with executable code cells, built-in datasets, and embedded exercise checkpoints. Learning progresses through data preparation and exploration, classical machine learning workflows, computer vision with convolutional neural networks, and natural language processing with deep learning, all delivered as a cohesive progressi
Provides operations for concatenating, stacking, or dividing tensors and arrays along specified dimensions.
Jupyter Notebookcomputer-visiondata-analysisdata-science - 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।
Provides utilities to recursively move tensors and data collections between different hardware devices.
Jupyter Notebookdata-sciencedeep-learningfastai - arrayfire/arrayfire
arrayfire/arrayfire
4,888GitHub पर देखेंArrayFire एक हार्डवेयर-अज्ञेयवादी (hardware-agnostic) कंप्यूट फ्रेमवर्क और JIT-कंपाइल किया गया टेंसर इंजन है जिसे उच्च-प्रदर्शन संख्यात्मक कंप्यूटिंग के लिए डिज़ाइन किया गया है। यह एक GPU न्यूमेरिकल कंप्यूटिंग लाइब्रेरी और पैरेलल सिग्नल प्रोसेसिंग टूलकिट के रूप में कार्य करता है जो हार्डवेयर बैकएंड को एब्स्ट्रैक्ट करता है, जिससे एक ही कोडबेस विभिन्न GPU आर्किटेक्चर और CPUs पर निष्पादित हो सकता है। यह प्रोजेक्ट एक JIT इंजन के माध्यम से खुद को अलग करता है जो ऑपरेशन्स को फ्यूज करने और मेमोरी ओवरहेड को कम करने के लिए एक्सप्रेशन कंपाइलेशन का उपयोग करता है। यह कंप्यूटेशन चेन को ऑप्टिमाइज़ करने के लिए एक डिफर्ड एक्जीक्यूशन ग्राफ का उपयोग करता है और CUDA तथा OpenCL जैसे बाहरी कंप्यूट प्लेटफॉर्म के साथ डेटा और निष्पादन संदर्भ साझा करने के लिए इंटरऑपरेबिलिटी प्रिमिटिव्स प्रदान करता है। यह लाइब्रेरी पैरेलल लीनियर अलजेब्रा, डिजिटल सिग्नल प्रोसेसिंग, और त्वरित कंप्यूटर विज़न सहित क्षमताओं की एक विस्तृत श्रृंखला को कवर करती है। यह मशीन लर्निंग इम्प्लीमेंटेशन, वित्तीय मॉडलिंग सिमुलेशन, और भौतिक प्रणाली सिमुलेशन के लिए आंशिक अंतर समीकरणों (partial differential equations) को हल करने के लिए उपकरण प्रदान करती है। इसका टेंसर मैनेजमेंट सिस्टम मल्टी-डायमेंशनल ऐरे एलोकेशन, स्लाइसिंग, और होस्ट-डिवाइस डेटा ट्रांसफर को संभालता है।
Extracts specific rows, columns, or subarrays using sequences, spans, and strides.
C++arrayfirecc-plus-plus - pytorch/ignite
pytorch/ignite
4,770GitHub पर देखेंIgnite PyTorch न्यूरल नेटवर्क के लिए एक उच्च-स्तरीय ट्रेनिंग फ्रेमवर्क है जो एक ट्रेनिंग इंजन और डीप लर्निंग लाइफसाइकिल मैनेजर के रूप में कार्य करता है। यह ट्रेनिंग और इवैल्यूएशन लूप को व्यवस्थित और स्वचालित करने, डेटा इटरेटर्स को प्रबंधित करने और मॉडल ट्रेनिंग प्रक्रिया के दौरान विशिष्ट मील के पत्थर पर इवेंट हैंडलर्स को ट्रिगर करने के लिए एक संरचित सिस्टम प्रदान करता है। यह प्रोजेक्ट डिस्ट्रीब्यूटेड ट्रेनिंग और मॉडल इवैल्यूएशन के लिए टूल्स के एक व्यापक सूट के माध्यम से खुद को अलग करता है। इसमें ग्रेडिएंट्स को सिंक्रोनाइज़ करने और कई GPUs या नोड्स के बीच सामूहिक संचार का समन्वय करने के लिए यूटिलिटीज, साथ ही परफॉरमेंस मेट्रिक्स की गणना और k-fold क्रॉस-वैलिडेशन करने के लिए एक इवैल्यूएशन सूट शामिल है। इसकी व्यापक क्षमताएं ट्रेनिंग वर्कफ़्लो ऑटोमेशन को कवर करती हैं, जिसमें लर्निंग रेट शेड्यूलिंग, अर्ली स्टॉपिंग और हाइपरपैरामीटर ऑप्टिमाइज़ेशन शामिल हैं। फ्रेमवर्क एक्सपेरिमेंट ट्रैकिंग, निष्पादन समय प्रोफाइलिंग और मेमोरी उपयोग को ऑप्टिमाइज़ करने के लिए मिक्स्ड प्रिसिजन ट्रेनिंग के लिए ऑब्जर्वेबिलिटी टूल्स भी प्रदान करता है। मॉडल चेकपॉइंट्स को प्रबंधित करने और ट्रेनिंग सत्रों को रिकवर करने के लिए स्टेट पर्सिस्टेंस मैकेनिज्म शामिल हैं। डिप्लॉयमेंट और एनवायरनमेंट सेटअप को सरल बनाने के लिए कंटेनराइज़्ड एनवायरनमेंट उपलब्ध हैं।
Collects tensors or strings from all participating processes and aggregates them into a single list.
Python
