deep-table开源项目 – 表格数据深度学习工具

旨在开发支持大规模并行训练的机器学习天气和气候模型的PyTorch框架，Makani 提供高效的计算资源利用，帮助研究人员进行气候变化研究和天气预测。

在音频领域内进行音乐生成的基准测试项目，利用Freesound Loop数据集。

MosaicML Composer 是一个开源的大模型训练平台，专注于简化大规模深度学习模型的开发过程。它通过优化的算法和工具，帮助开发者在较低成本下快速训练高性能模型。平台强调易用性和透明性，开源社区支持良好，文档清晰，特别适合希望缩短训练时间并提升效率的团队，助力深度学习技术在多种场景中快速落地。

ViLMedic是一个模块化框架，专门用于医学领域的视觉和语言多模态研究。它提供了预训练模型，并实现了多种医学图像和文本任务的解决方案，包括医学问答、放射学报告生成和总结，以及自监督学习等。

该项目专注于自监督学习在视频对象分割中的应用，由复旦大学、牛津大学和西弗吉尼亚大学的研究人员共同开发。旨在通过自监督学习技术，结合半监督学习方法，提高视频对象分割的准确性，特别是在标注数据有限的情况下，能够在复杂视频场景中实现高质量的分割。项目开源，并在GitHub上提供，供社区使用和贡献。

FinancialVision 是一个专注于金融时间序列分析的项目，特别针对K线图进行深度学习和数据增强。它利用深度卷积神经网络进行K线模式识别，并通过模型可解释性提供金融预测的解释。项目设计用于高精度的金融时间序列预测，支持与各种金融数据集的集成。此外，它还包括先进的数据增强方法，开源并通过GitHub提供，便于社区贡献和使用。

这是一个专业整理的时间序列自监督学习（SSL4TS）资源列表，涵盖了相关论文、代码、数据集等。该项目旨在为研究者和开发者提供全面的资源支持，帮助他们深入了解和应用自监督学习技术在时间序列数据上的最新进展。

DPT（Dense Prediction Transformer）是一个基于视觉Transformer的密集预测模型，主要用于单目深度估计和语义分割任务。该项目由Intel开发，但目前已停止维护。它提供了多种预训练模型，可以用于生成图像的深度图或进行语义分割。项目依赖于PyTorch框架，并提供了详细的代码和模型权重供用户使用。

EMP-SSL是一种创新的自监督学习方法，通过增加每个图像实例中的图像块数量，显著提高了自监督学习的效率。该方法不依赖于常见的启发式技术，如分支之间的权重共享，并采用了特征归一化、输出量化和停止梯度等技术，使得训练时间减少了两个数量级，同时在多个数据集上实现了高准确率。

这是一个精心整理的关于图与自监督学习在推荐系统中应用的资源列表，涵盖了基于图的推荐系统、自监督学习技术、资源整合与整理以及多种推荐算法的支持。

一个深度学习论文的学习项目，包含超过60篇论文的代码实现和详细注释，支持在线阅读和中文版。

TextMatch是一个基于Pytorch的中文语义相似度匹配模型，专注于中文文本的语义相似度计算。它支持多种深度学习模型，包括ABCNN、Albert、Bert、BIMPM、DecomposableAttention、DistilBert、ESIM、RE2、Roberta、SiaGRU和XlNet。该项目提供了多种预训练模型，易于扩展和自定义模型，适用于各种自然语言处理任务。

一个整理的大语言模型在表格数据应用的论文资源列表，汇集了大量与表格数据处理相关的研究资源，并提供对大语言模型在这些应用中的深入分析。项目持续更新，确保资源的时效性和相关性，支持多种表格数据处理任务的参考资料。

pytorch-lifestream 是一个基于 PyTorch 的库，专门用于在离散事件序列上构建嵌入。该库利用自监督学习方法，能够高效地生成序列数据的嵌入表示，适用于各种时间序列和事件驱动的应用场景。

《Fastai & Pytorch深度学习入门》第二版代码，由fast.ai提供，目前正在开发中。该项目旨在通过提供深度学习的入门教程和代码示例，帮助初学者和进阶学习者快速掌握深度学习的基础知识和实践技能。项目基于PyTorch框架，易于上手，包含丰富的实践案例和项目，持续更新，紧跟最新技术发展。