需求人群:
["图分类","节点分类","链接预测","图生成"]
使用场景示例:
使用内置的GCN进行化学分子图的分类
实现基于GraphSAGE的节点分类模型
构建GAT层从Scratch进行链接预测任务
产品特色:
高效的GNN训练和推理
支持大规模图数据处理
简单的GNN层和模型构建
浏览量:45
最新流量情况
月访问量
4.85m
平均访问时长
00:06:25
每次访问页数
6.08
跳出率
35.86%
流量来源
直接访问
52.62%
自然搜索
32.72%
邮件
0.05%
外链引荐
12.34%
社交媒体
2.17%
展示广告
0
截止目前所有流量趋势图
地理流量分布情况
中国
12.55%
德国
3.84%
印度
9.38%
俄罗斯
4.61%
美国
18.64%
Graph Neural Network (GNN)库,为苹果芯片量身打造
mlx-graphs是一个专为苹果芯片设计的图神经网络(GNN)库。它利用苹果硬件的优势,如统一内存架构,实现了在Mac设备上的高效GNN训练和推理。主要优点有:1)利用GPU并行计算,在大数据集上实现高速GNN运算;2)利用统一内存,支持在GPU上直接处理大规模图数据;3)无需设备间数据传输,简化开发流程。用户可以便捷地在Mac设备上处理大规模图问题,实现高性能GNN模型训练。
javascript神经网络库
Synaptic是一个开源的javascript神经网络库,提供了基本的神经元、网络、训练器和网络构建工具。它可以用于构建和训练各种类型的神经网络,如感知机、长短时记忆网络(LSTM)、液态状态机和Hopfield网络。Synaptic还提供了一些示例和演示,帮助用户学习和使用神经网络。
神经网络扩散模型实现
Neural Network Diffusion是由新加坡国立大学高性能计算与人工智能实验室开发的神经网络扩散模型。该模型利用扩散过程生成高质量的图像,适用于图像生成和修复等任务。
用神经网络预测你的涂鸦速度有多快
Doodle Dash 是一个趣味的在线游戏,它使用神经网络来预测玩家涂鸦的速度。玩家可以在游戏中尽可能快地画出指定的涂鸦,神经网络会根据你的画速给出预测结果。这个游戏基于🤗 Transformers.js 开发。
无代码搭建目标检测神经网络
MakeML是一个无需编写任何代码就可以搭建图像目标检测神经网络的开发工具。它提供了一个简单易用的图形界面,用户只需上传训练集图片,绘制bounding box,设置参数,就可以训练出一个高效的目标检测模型,并导出成CoreML格式在iOS App中使用。MakeML解决了神经网络开发门槛高的痛点,不需要任何机器学习或编程知识,就可以获得强大的深度学习能力。
使用单眼视频记录产生实时4D头像合成的神经网络方法
BakedAvatar是一种用于实时神经头像合成的全新表示,可部署在标准多边形光栅化流水线中。该方法从学习到的头部等值面提取可变形的多层网格,并计算可烘焙到静态纹理中的表情、姿势和视角相关外观,从而为实时4D头像合成提供支持。我们提出了一个三阶段的神经头像合成流水线,包括学习连续变形、流形和辐射场,提取分层网格和纹理,以及通过微分光栅化来微调纹理细节。实验结果表明,我们的表示产生了与其他最先进方法相当的综合结果,并显著减少了所需的推理时间。我们进一步展示了从单眼视频中产生的各种头像合成结果,包括视图合成、面部重现、表情编辑和姿势编辑,所有这些都以交互式帧率进行。
CoreNet 是一个用于训练深度神经网络的库。
CoreNet 是一个深度神经网络工具包,使研究人员和工程师能够训练标准和新颖的小型和大型规模模型,用于各种任务,包括基础模型(例如 CLIP 和 LLM)、对象分类、对象检测和语义分割。
一个全面的AI神经网络工具目录
AILIBRI是一个汇集了超过2000个AI神经网络工具的目录网站,涵盖了文本、图像、视频、音频等多个领域的工具。它为用户寻找合适的AI工具提供了极大的便利,无论是专业人士还是初学者,都能在这里找到满足其需求的工具。该网站提供了详细的分类和搜索功能,帮助用户快速定位到所需的工具。
从像素到画作的神经网络绘画生成器
Ai Painter是一款神经网络绘画生成器,可以将您的照片转化为艺术作品或创作抽象艺术。它使用先进的人工智能技术,能够快速、准确地将您的照片转化为绘画作品。Ai Painter不需要任何下载,操作简单,适合所有技能水平的用户。Ai Painter是免费的,您可以在不花费任何费用的情况下使用它。
秒变艺术品!基于神经网络的照片转画作品
INSTAPAINTING是一款基于神经网络的照片转画作品的工具。用户可以在几秒钟内将自己的照片转换成艺术品,并通过几次点击让艺术家100%手工绘制并将其送到用户手中。该工具已经集成到我们的即时艺术品预览工具中,用户可以在我们的网站上使用。我们的工具可以应用于油画、宠物肖像、人像、婚礼、风景等多种场景。我们的公司总部位于旧金山。
用于高效表示复杂时空信号的残差神经场
ResFields是一类专门设计用于有效表示复杂时空信号的网络。它将时变权重引入多层感知机中,利用可训练的残差参数增强了模型的表达能力。该方法可以无缝集成到现有技术中,并可显著提高各种具有挑战性的任务的结果,如2D视频逼近、动态形状建模和动态NeRF重建等。
高质量图像修复,根据人类指示进行优化
InstructIR 接受图像和人类书写的指令作为输入,通过单一神经模型执行一体化图像修复。在多个修复任务中取得了最先进的结果,包括图像去噪、去雨、去模糊、去雾以及低光图像增强等。🚀 您可以从演示教程开始。查看我们的 GitHub 获取更多信息。 免责声明:请注意,这不是一个产品,因此您会注意到一些限制。此演示需要输入具有某些降级的图像(模糊、噪音、雨、低光、雾)和一个提示,请求应该执行什么操作。由于 GPU 内存限制,如果输入高分辨率图像(2K、4K),应用可能会崩溃。 该模型主要使用合成数据进行训练,因此在真实世界复杂图像上可能效果不佳。然而,在真实世界的雾天和低光图像上效果出奇地好。您还可以尝试一般的图像增强提示(例如,“润色此图像”,“增强颜色”)并查看它如何改善颜色。
人形机器人多功能神经全身控制器
HOVER是一个针对人形机器人的多功能神经全身控制器,它通过模仿全身运动来提供通用的运动技能,学习多种全身控制模式。HOVER通过多模式策略蒸馏框架将不同的控制模式整合到一个统一的策略中,实现了在不同控制模式之间的无缝切换,同时保留了每种模式的独特优势。这种控制器提高了人形机器人在多种模式下的控制效率和灵活性,为未来的机器人应用提供了一个健壮且可扩展的解决方案。
AI模型开发与部署
Visnet是一个全面的、无头的、多兼容的神经网络接口框架,主要用于自然语言处理和深度视觉系统。它具有模块化的前端、无服务器架构和多兼容性,并提供了REST API和Websocket接口。它包含了多个核心AI模型,如翻译、车牌识别和人脸特征匹配等。Visnet可广泛应用于监控、无人机检测、图像和视频分析等领域。
SALMONN: 语音音频语言音乐开放神经网络
SALMONN是由清华大学电子工程系和字节跳动开发的大型语言模型(LLM),支持语音、音频事件和音乐输入。与仅支持语音或音频事件输入的模型不同,SALMONN可以感知和理解各种音频输入,从而获得多语言语音识别和翻译以及音频-语音共推理等新兴能力。这可以被视为给予LLM“听觉”和认知听觉能力,使SALMONN成为通向具有听觉能力的人工通用智能的一步。
大场景动作的帧间插值模型
帧间插值(Frame Interpolation)是一种高质量的帧间插值神经网络模型。该模型采用统一的单网络方法,不需要额外的预训练网络,如光流或深度网络,但仍能实现最先进的效果。模型使用多尺度特征提取器,在不同尺度上共享相同的卷积权重。该模型仅通过帧三元组进行训练。
使用 AI 深度卷积神经网络无损放大图片
Bigjpg 是一款使用人工智能深度卷积神经网络(CNN)的图片无损放大工具。它可以将图片放大到 4K 级超高清分辨率,最大可放大 32 倍。通过 Bigjpg,用户可以轻松将低分辨率图片放大至高清或超高清,同时保持图片细节清晰,效果优于传统放大工具如 PhotoZoom。
使用最好的神经网络在任何网页上
Chat AI - Chat GPT on all websites是一个插件,可以在任何网页上使用最好的神经网络。它可以帮助你组织回答,创建图像,提取摘要,翻译文本,改善文字等等。该插件可通过网站和Telegram机器人使用。
快速AI培训,让神经网络再次不再“酷”
fast.ai是一个提供实用的深度学习课程和软件工具的平台。其课程覆盖了从深度学习基础到稳定扩散的内容。fast.ai为PyTorch提供了fastai软件库,帮助用户在实际项目中应用深度学习。其主要优势在于提供实践导向的教学和易于使用的工具。定价信息可在官网获取。
多物种鲸鱼声音检测工具
multispecies-whale-detection 是谷歌开发的一个开源项目,旨在通过神经网络检测和分类不同物种和地理区域的鲸鱼声音。这个工具可以帮助研究人员和环保组织更好地理解和保护海洋生物多样性。
开源时空基础模型,用于交通预测
OpenCity是一个开源的时空基础模型,专注于交通预测领域。该模型通过整合Transformer架构和图神经网络,有效捕捉和标准化交通数据中的复杂时空依赖关系,实现对不同城市环境的零样本泛化。它在大规模、异构的交通数据集上进行预训练,学习到丰富、可泛化的表示,能够无缝应用于多种交通预测场景。
苹果芯片高效灵活机器学习
MLX是一种类似NumPy的数组框架,专为在苹果芯片上进行高效灵活的机器学习而设计,由苹果机器学习研究团队提供。Python API与NumPy紧密相似,但也有一些例外。MLX还具有完整的C++ API,紧密遵循Python API。MLX与NumPy的主要区别包括:可组合的函数转换、惰性计算和多设备支持。MLX的设计灵感来自PyTorch、Jax和ArrayFire等框架。与这些框架不同的是,MLX采用统一内存模型。MLX中的数组位于共享内存中,可以在任何受支持的设备类型(CPU、GPU等)上执行操作,而无需执行数据复制。
强大的通用预测学习
通用预测学习器是一种利用元学习的强大方法,能够快速从有限数据中学习新任务。通过广泛接触不同的任务,可以获得通用的表示,从而实现通用问题解决。本产品探索了将最强大的通用预测器——Solomonoff归纳(SI)——通过元学习的方式进行摊销的潜力。我们利用通用图灵机(UTM)生成训练数据,让网络接触到广泛的模式。我们提供了UTM数据生成过程和元训练协议的理论分析。我们使用不同复杂度和普适性的算法数据生成器对神经架构(如LSTM、Transformer)进行了全面的实验。我们的结果表明,UTM数据是元学习的宝贵资源,可以用来训练能够学习通用预测策略的神经网络。
一站式深度学习解决方案
深度学习助手是一款集模型训练、数据处理和结果分析于一体的深度学习平台。它提供丰富的神经网络模型,可以帮助用户快速构建和训练自己的深度学习模型。同时,它还具备数据预处理功能,方便用户对数据进行清洗和转换。除此之外,深度学习助手还提供了强大的结果分析工具,帮助用户深入理解和优化模型效果。定价灵活合理,适用于个人开发者和企业用户。
一个AI深度学习平台,提供丰富的模型和工具,打造AI创新社区
Neuralhub是一个让深度学习更简单的平台,它为AI爱好者、研究人员和工程师提供实验和创新的环境。我们的目标不仅仅是提供工具,我们还在建立一个社区,一个可以分享和协作的地方。我们致力于通过汇集所有工具、研究和模型到一个协作空间,简化当今的深度学习,使AI研究、学习和开发更容易获取。
3D实例分割的创新方法
SAM-guided Graph Cut for 3D Instance Segmentation是一种利用3D几何和多视图图像信息进行3D实例分割的深度学习方法。该方法通过3D到2D查询框架,有效利用2D分割模型进行3D实例分割,通过图割问题构建超点图,并通过图神经网络训练,实现对不同类型场景的鲁棒分割性能。
© 2025 AIbase 备案号:闽ICP备08105208号-14