🧬 Genomepy: genes and genomes at your fingertips
genomepy, which can search, download, and preprocess the right genomic data for your analysis.
$ pip install genomepy
⚙️ Github
➡️ Paper
📄 Documentation
@ai_machinelearning_big_data
genomepy, which can search, download, and preprocess the right genomic data for your analysis.
$ pip install genomepy
⚙️ Github
➡️ Paper
📄 Documentation
@ai_machinelearning_big_data
🦾 XSimGCL: Towards Extremely Simple Graph Contrastive Learning for Recommendation
⚙️ Github
➡️ Paper
💻 Tutorial page
📄 Dataset
@ai_machinelearning_big_data
⚙️ Github
➡️ Paper
💻 Tutorial page
📄 Dataset
@ai_machinelearning_big_data
🔥 YOLOv6
YOLOv6-N hits 35.9% AP on COCO dataset with 1234 FPS on T4. YOLOv6-S strikes 43.5% AP with 495 FPS, and the quantized YOLOv6-S model achieves 43.3% AP at a accelerated speed of 869 FPS on T4.
git clone https://github.com/meituan/YOLOv6
cd YOLOv6
pip install -r requirements.txt
⚙️ Github
➡️ Paper
✔️ Colab
💻 Quantization Tutorial
📄 Dataset
@ai_machinelearning_big_data
YOLOv6-N hits 35.9% AP on COCO dataset with 1234 FPS on T4. YOLOv6-S strikes 43.5% AP with 495 FPS, and the quantized YOLOv6-S model achieves 43.3% AP at a accelerated speed of 869 FPS on T4.
git clone https://github.com/meituan/YOLOv6
cd YOLOv6
pip install -r requirements.txt
⚙️ Github
➡️ Paper
✔️ Colab
💻 Quantization Tutorial
📄 Dataset
@ai_machinelearning_big_data
Как смешивать изображения в Midjourney: тест фичи 🔟
С помощью этой функции можно, например, соединить два смешных мема и получить еще более смешной.
Нейросеть Midjourney не зря быстро стала популярной: богатый функционал, простота использования и качественная генерация изображений. Теперь сервис запустил функцию смешивания двух изображений, а мы протестировали ее и рассказываем, как ей пользоваться и что получается в итоге.
➡️ Читать дальше
🔩 Попробовать
🌠 Почитать про Midjourney
@ai_machinelearning_big_data
С помощью этой функции можно, например, соединить два смешных мема и получить еще более смешной.
Нейросеть Midjourney не зря быстро стала популярной: богатый функционал, простота использования и качественная генерация изображений. Теперь сервис запустил функцию смешивания двух изображений, а мы протестировали ее и рассказываем, как ей пользоваться и что получается в итоге.
🌠 Почитать про Midjourney
@ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🧬 Uni-Mol: A Universal 3D Molecular Representation Learning Framework
⚙️ Github
➡️ Paper
🎞 Colab
📄 Dataset
@ai_machinelearning_big_data
⚙️ Github
➡️ Paper
🎞 Colab
📄 Dataset
@ai_machinelearning_big_data
🦾 OpenMixup: Open Mixup Toolbox and Benchmark for Visual Representation Learning
open-source all-in-one toolbox for supervised, semi-, and self-supervised visual representation learning with mixup
⚙️ Github
➡️ Paper
🛠 Installation
📄 Dataset
@ai_machinelearning_big_data
open-source all-in-one toolbox for supervised, semi-, and self-supervised visual representation learning with mixup
conda create -n openmixup python=3.8 pytorch=1.12 cudatoolkit=11.3 torchvision -c pytorch -y
conda activate openmixup
pip install openmim
mim install mmcv-full
git clone https://github.com/Westlake-AI/openmixup.git
cd openmixup
python setup.py develop
⚙️ Github
➡️ Paper
🛠 Installation
📄 Dataset
@ai_machinelearning_big_data
👁🗨 Patch Similarity Aware Data-Free Quantization for Vision Transformers
PSAQ-ViT V2, a more accurate and general data-free quantization framework for ViTs, built on top of PSAQ-ViT.
⚙️ Github
➡️ Paper
📄 Dataset
@ai_machinelearning_big_data
PSAQ-ViT V2, a more accurate and general data-free quantization framework for ViTs, built on top of PSAQ-ViT.
git clone https://github.com/zkkli/PSAQ-ViT.git
cd PSAQ-ViT
⚙️ Github
➡️ Paper
📄 Dataset
@ai_machinelearning_big_data
🚀 StoryDALL-E: Adapting Pretrained Text-to-Image Transformers for Story Continuation
⚙️ Github
➡️ Paper
🛠 Demo
📄 Dataset
@ai_machinelearning_big_data
⚙️ Github
➡️ Paper
🛠 Demo
📄 Dataset
@ai_machinelearning_big_data
🤖 DAMO ConvAI
The official repository which contains the codebase for Alibaba DAMO Conversational AI.
⚙️ Github
➡️ Paper
📎 Tasks
🗒 Text-to-SQL Parsing
@ai_machinelearning_big_data
The official repository which contains the codebase for Alibaba DAMO Conversational AI.
⚙️ Github
➡️ Paper
📎 Tasks
🗒 Text-to-SQL Parsing
@ai_machinelearning_big_data
Yandex Research выложил в опенсорс RuLeanALBERT — самую большую BERT-подобную модель на русском языке, которая поместится на ваш компьютер
Нейросеть обучали децентрализованно с помощью вычислительной платформе Яндекса. На бенчмарках по пониманию языка она показывает результаты, сравнимые с другими открытыми моделями и где-то даже близкие к state-of-the-art.
Модель хотя и имеет миллиарды параметров, но вполне способна уместиться на одну домашнюю GPU: вы можете использовать её открытый код в своих проектах для классификации предложений, представления текстов и других языковых задач, не требующих генерации.
Yandex Research — это исследовательская группа в Яндексе, которая занимается фундаментальными проблемами в важнейших областях computer science.
Подробности – в статье на Хабре
Нейросеть обучали децентрализованно с помощью вычислительной платформе Яндекса. На бенчмарках по пониманию языка она показывает результаты, сравнимые с другими открытыми моделями и где-то даже близкие к state-of-the-art.
Модель хотя и имеет миллиарды параметров, но вполне способна уместиться на одну домашнюю GPU: вы можете использовать её открытый код в своих проектах для классификации предложений, представления текстов и других языковых задач, не требующих генерации.
Yandex Research — это исследовательская группа в Яндексе, которая занимается фундаментальными проблемами в важнейших областях computer science.
Подробности – в статье на Хабре
🛠 Generative Visual Prompt: Unifying Distributional Control of Pre-Trained Generative Models
⚙️ Github
🗒 Paper
🦾 Dataset
@ai_machinelearning_big_data
⚙️ Github
🗒 Paper
🦾 Dataset
@ai_machinelearning_big_data
🛠 Omni-Dimensional Dynamic Convolution
A novel multi-dimensional attention mechanism with a parallel strategy to learn complementary attentions for convolutional kernels.
⚙️ Github
🗒 Paper
🦾 Dataset
@ai_machinelearning_big_data
A novel multi-dimensional attention mechanism with a parallel strategy to learn complementary attentions for convolutional kernels.
⚙️ Github
🗒 Paper
🦾 Dataset
@ai_machinelearning_big_data
👁 Real-time Online Video Detection with Temporal Smoothing Transformers
⚙️ Github
🗒 Paper
🦾 Dataset
@ai_machinelearning_big_data
git clone --recursive git@github.com:zhaoyue-zephyrus/TeSTra.git
⚙️ Github
🗒 Paper
🦾 Dataset
@ai_machinelearning_big_data
This media is not supported in your browser
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
📎 Dilated Neighborhood Attention Transformer
natural, flexible and efficient extension to NA that can capture more global context and expand receptive fields exponentially at no additional cost.
⚙️ Github
🗒 Model
📋 Paper
📌 Dataset
@ai_machinelearning_big_data
natural, flexible and efficient extension to NA that can capture more global context and expand receptive fields exponentially at no additional cost.
⚙️ Github
🗒 Model
📋 Paper
📌 Dataset
@ai_machinelearning_big_data