awesome google colab
1.0.0
Bitte kontaktieren Sie mich, um dieses Repo zu übernehmen und zu überarbeiten (es erreicht etwa 30.000 Aufrufe und 200.000 Klicks pro Jahr). Ich habe keine Zeit, es zu aktualisieren oder zu warten – Nachricht vom 15.03.2021
Eine kuratierte Liste von Repositorys mit voll funktionsfähigen Click-and-Run-Colab-Notizbüchern mit Daten, Code und Beschreibung. Der Code in diesen Repositorys ist in Python, sofern nicht anders angegeben.
Weitere Informationen zum Warum und Wie von Colab finden Sie in diesem Beitrag. Ein paar Tipps und Tricks finden Sie in diesem Beitrag.
Wenn Sie nur ein einziges Notizbuch einreichen möchten, nutzen Sie die Website https://google-colab.com/. Das ist ganz einfach: Klicken Sie oben rechts auf „Senden +“. Je früher Sie posten, desto mehr Sichtbarkeit erhalten Sie mit der Zeit
Achtung: Dies ist noch in Arbeit. Bitte tragen Sie dazu bei, indem Sie Colab-Funktionalität zu Ihren eigenen Data-Science-Projekten auf Github hinzufügen oder diese bei den Autoren anfordern.
Wenn Sie zu dieser Liste beitragen möchten (bitte tun Sie dies), senden Sie mir eine Pull-Anfrage oder kontaktieren Sie mich unter @dereknow oder auf LinkedIn. Außerdem sollte ein aufgelistetes Repository repariert oder entfernt werden:
Abgesehen von den unten aufgeführten Colab-fähigen Repositories können Sie Github Jupyter Notebooks mit etwas Aufwand auch direkt auf Google Colaboratory mit CPU/GPU/TPU-Laufzeiten ausführen, indem Sie https://github.com in der URL durch https:// ersetzen. colab.research.google.com/github/. Es ist keine lokale Installation von Python erforderlich. Natürlich müssten diese Notebooks angepasst werden, um die notwendigen Daten und Module aufzunehmen.
Python Data Science Notebook – Python Data Science Handbook: Volltext in Jupyter Notebooks
ML und EDA – Funktionale, datenwissenschaftliche Einführung in Python.
Python Business Analytics – Python-Lösungen zur Lösung praktischer Geschäftsprobleme.
Deep-Learning-Beispiele – Probieren Sie Deep-Learning-Modelle online auf Google Colab aus
Hvass-Labs – TensorFlow-Tutorials mit YouTube-Videos
MIT Deep Learning – Tutorials, Aufgaben und Wettbewerbe für MIT Deep Learning-bezogene Kurse.
NLP-Tutorial – Tutorial zur Verarbeitung natürlicher Sprache für Deep-Learning-Forscher
DeepSchool.io – Deep-Learning-Tutorials in Jupyter-Notebooks.
Deep NLP-Kurs – Ein tiefer NLP-Kurs
pyprobml – Python-Code für „Maschinelles Lernen: eine probabilistische Perspektive“
MIT 6.S191 – Labormaterialien für MIT 6.S191: Einführung in Deep Learning
HSE NLP – Ressourcen für den Coursera-Kurs „Natural Language Processing“.
Real Word NLP – Beispielcode für „Real-World Natural Language Processing“
Notizbücher – Notizbücher für maschinelles Lernen zu verschiedenen Themen, optimiert für die Ausführung in Google Collaboratory
BERT – TensorFlow-Code und vorab trainierte Modelle für BERT
XLNet – XLNet: Generalisiertes autoregressives Vortraining für das Sprachverständnis
DeepPavlov Tutorials – Eine Open-Source-Bibliothek für Deep-Learning-End-to-End-Dialogsysteme und Chatbots.
TF NLP – Projekte, Praxis, NLP, TensorFlow 2, Google Colab
SparkNLP – Modernste Verarbeitung natürlicher Sprache
Deep Text Recognition – Texterkennung (optische Zeichenerkennung) mit Deep-Learning-Methoden.
BERTScore – Automatische Bewertungsmetrik für Bert.
Textzusammenfassung – Mehrere Implementierungen für die abstrakte Textzusammenfassung
GPT-2 Colab – GPT-2 in Colab neu trainieren
DeepFaceLab – DeepFaceLab ist ein Tool, das maschinelles Lernen nutzt, um Gesichter in Videos zu ersetzen.
CycleGAN und PIX2PIX – Bild-zu-Bild-Übersetzung in PyTorch
DeOldify – Ein auf Deep Learning basierendes Projekt zum Kolorieren und Wiederherstellen alter Bilder (und Videos!)
Detectron2 – Detectron2 ist FAIRs Forschungsplattform der nächsten Generation zur Objekterkennung und -segmentierung.
EfficientNet – PyTorch – Eine PyTorch-Implementierung von EfficientNet
Faceswap GAN – Ein entrauschender Autoencoder + gegnerische Verluste und Aufmerksamkeitsmechanismen für den Gesichtsaustausch.
Neural Style Transfer – Keras-Implementierung des Neural Style Transfer aus dem Artikel „A Neural Algorithm of Artistic Style“
GAN vergleichen - GAN-Code vergleichen
hmr – Projektseite zur End-to-End-Wiederherstellung der menschlichen Form und Pose
Spleeter – Deezer-Quellentrennungsbibliothek einschließlich vorab trainierter Modelle.
TTS – Deep Learning für Text to Speech
Dopamin – Dopamin ist ein Forschungsrahmen für das schnelle Prototyping von Reinforcement-Learning-Algorithmen.
Sonnet – TensorFlow-basierte neuronale Netzwerkbibliothek
OpenSpiel – Sammlung von Umgebungen und Algorithmen für die Forschung im Bereich allgemeines Verstärkungslernen und Suchen/Planen in Spielen.
TF Agents – TF-Agents ist eine Bibliothek für Reinforcement Learning in TensorFlow
bsuite – Sammlung sorgfältig konzipierter Experimente, die die Kernfunktionen eines Reinforcement Learning (RL)-Agenten untersuchen
Generative TF-Modelle – Implementierungen einer Reihe generativer Modelle in Tensorflow
DQN zu Rainbow – Eine Schritt-für-Schritt-Anleitung von DQN zu Rainbow
Altair – Deklarative statistische Visualisierungsbibliothek für Python
Altair Curriculum – Ein Datenvisualisierungslehrplan mit interaktiven Notizbüchern.
bertviz – Tool zur Visualisierung der Aufmerksamkeit im Transformer-Modell
TF Graphics – TensorFlow Graphics: Differenzierbare Grafikebenen für TensorFlow
deepreplay – Generieren Sie Visualisierungen wie in meinem „Hyper-Parameters in Action!“
PySyft – Eine Bibliothek für verschlüsseltes, datenschutzschonendes maschinelles Lernen
Mindsdb – Framework zur Optimierung der Nutzung neuronaler Netze
Ranking – Lernen, in TensorFlow zu ranken
TensorNetwork – Eine Bibliothek zur einfachen und effizienten Manipulation von Tensornetzwerken.
JAX – Zusammensetzbare Transformationen von Python+NumPy-Programmen
BentoML – Eine Plattform zum Bereitstellen und Bereitstellen von Modellen für maschinelles Lernen
Transfer Learning NLP – Code für das Tutorial zum Transfer Learning in NLP, das auf der NAACL 2019 stattfand
BDL-Benchmarks – Bayesian Deep Learning Benchmarks
RLTrader – Eine Kryptowährungs-Handelsumgebung, die Deep Reinforcement Learning und das Fitnessstudio von OpenAI nutzt
TF Quant Finance – Hochleistungsfähige TensorFlow-Bibliothek für quantitative Finanzen.
TensorTrade – Ein Open-Source-Framework für verstärktes Lernen für robuste Handelsagenten
Rapping NN – Wiederkehrendes neuronales Netzwerk zum Schreiben von Rap-Songs, trainiert auf der gesamten Diskographie von Kanye West
Photogrammetrie – Rendern Sie Photogrammetrie mit den Cloud-GPUs von Colab mit Meshroom.
dl4g – Deep Learning für Grafiken
