807 件 ・ 関連度順
概要と使いどころ
Use when preparing a medical-imaging dataset (DICOM/NIfTI) for modelling. Profiles spacing, orientation, intensity, label integrity, foreground fraction and target volume, gates them against the plan, then plans and audits preprocessing and augmentation for leakage.
日本語の概要は準備中です。原文の説明を表示しています。
Use when a trained medical-imaging model needs its documentation. Fills a Model Card and a Datasheet for its dataset from facts you supply, adds a METRIC-informed data-quality pass and gates that no required section is empty. Never invents numbers, provenance or licence.
日本語の概要は準備中です。原文の説明を表示しています。
Use when a clinical CSV/Excel dataset needs profiling and cleaning before analysis (missing values, outliers, duplicates, type mismatches). Profiles, flags and generates cleaning code in three stages, each gated on the researcher's approval. Never auto-cleans.
日本語の概要は準備中です。原文の説明を表示しています。
Use when a tabular dataset (CSV, Excel, Parquet, Stata, SAS) needs a data dictionary. Profiles every variable (type, levels, range, missingness) into codebook.md and codebook.json and flags coded values of unknown meaning as [NEEDS DICTIONARY] instead of guessing.
日本語の概要は準備中です。原文の説明を表示しています。
Route fastdup workflows for visual dataset curation, annotation-driven analysis, embeddings and search, and video or exchange plumbing.
日本語の概要は準備中です。原文の説明を表示しています。
Use FFCV to convert datasets into .beton files, build fast PyTorch loader pipelines, handle image and custom fields/transforms, and tune cache, traversal, and throughput behavior.
日本語の概要は準備中です。原文の説明を表示しています。
Route Flower repository tasks for app authoring, strategies and mods, local simulation and deployment, Flower Datasets and examples, and repository maintenance.
日本語の概要は準備中です。原文の説明を表示しています。
Operate FastReID setup, configuration, datasets, model/inference APIs, training/evaluation workflows, deployment/export paths, and extension projects for person and vehicle re-identification.
日本語の概要は準備中です。原文の説明を表示しています。
Use Gaussian-SLAM for CUDA RGB-D dense SLAM, Gaussian-splatting mapping, dataset/configuration preflight, checkpoint evaluation, reconstruction metrics, and global-map refinement.
日本語の概要は準備中です。原文の説明を表示しています。
Use python-doctr (docTR) for OCR/KIE inference, document IO/export, model customization, datasets/training/evaluation, CLI helpers, deployment, and troubleshooting.
日本語の概要は準備中です。原文の説明を表示しています。
Route DGL graph learning tasks across graph APIs, datasets, message passing, GraphBolt, distributed tools, and DGL-Go workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Use Detectron2 for object detection, segmentation, configuration, datasets, training, inference, export, and extension workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Operate doccano for text annotation, dataset import/export, auto-labeling, deployment, and repo maintenance.
日本語の概要は準備中です。原文の説明を表示しています。
Use DGL-LifeSci and dgllife for molecular graph learning, molecule featurization, datasets, property prediction, reaction prediction, binding affinity, model-zoo/pretrained models, and molecular generation workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Use EasyR1 for multimodal LLM RL post-training, dataset/reward preparation, core API debugging, and checkpoint export workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Use the DALLE2-pytorch package for DALL-E 2 style text-to-image model APIs, diffusion prior/decoder training, WebDataset data layouts, and tracker/checkpoint workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Operate CVAT for computer-vision annotation, dataset workflows, SDK/CLI automation, auto-annotation, and self-hosted deployment.
日本語の概要は準備中です。原文の説明を表示しています。
Use when you need to design DataDesigner configs, run preview/create/validate workflows, inspect the CLI or agent context, work with plugins or MCP tools, or adapt documented recipes and integrations for synthetic dataset generation.
日本語の概要は準備中です。原文の説明を表示しています。
Use DeepDanbooru for anime-style image tag estimation, project and Danbooru-style dataset preparation, TensorFlow training, image evaluation, TFLite conversion, and experimental Grad-CAM workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Routes EEG, ECoG, MEG, and related electrophysiology deep-learning workflows through the braindecode Python package, including dataset construction, preprocessing, model training, augmentation, and interpretation.
日本語の概要は準備中です。原文の説明を表示しています。
Routes cleanlab data-centric AI workflows for finding label errors, dataset issues, outliers, annotator quality, and task-specific label-quality problems.
日本語の概要は準備中です。原文の説明を表示しています。
Routes CUT/FastCUT/SinCUT workflows, dataset preparation, and launcher presets for the contrastive-unpaired-translation repository.
日本語の概要は準備中です。原文の説明を表示しています。
Route ControlNet 1.0 source-checkout tasks for annotators, Gradio inference apps, training datasets, and model/weight utilities.
日本語の概要は準備中です。原文の説明を表示しています。
Guides CUDA-based BigGAN-PyTorch training, checkpoint sampling, dataset preparation, metric preparation, model customization, and optional TensorFlow Hub weight conversion.
日本語の概要は準備中です。原文の説明を表示しています。