关于CHATGPT，AI和机器学习的不断发展的介绍（包括及时的示例和Python-Built聊天机器人）

自我注意的一种变体gan命名：fagan（全神贯注）

Pytorch中的预训练音频模型的集合。

2019年春季，伯克利的AI课程作业简介

“ Grokking：概括过度拟合在小型算法数据集上的概括”的非官方重新实施

在苏黎世Eth的新突破机器人论文中实施信念状态编码器 /解码器

后代的实施和复制，蛋白质产生的语言建模，在JAX中

以前的“ Fitness-Ai-Coach”的扩展：具有实时练习识别和计数的完整Web应用程序。练习识别模型在测试集上的精度达到99％，另外两个外部数据集的精度为95％和90％。

快速深度学习模型将低分辨率视频升级到30fps的高分辨率

提出针对任何GIT存储库的问题，并从OpenAI GPT-3模型中获得回应。

触手可及的合成模式和知识图的可配置生成

ICRA’21论文的Pytorch代码：“机器人视觉和语言导航的层次结构跨模式”

论文的代码和数据“将图形分类为具有卷积神经网络的图像”（新标题：“使用2D卷积神经网络的图形分类”）

全社会的后端机器学习工程资源的存储库。

移动设备上的面部识别解决方案。

最小的Python软件包，用于使用块，嵌入和矢量搜索来存储和检索文本。

轻松的超参数优化和在机器学习算法和库中节省自动结果

用于扑克游戏模拟，手工评估和统计分析的开源Python库