「vector」の検索結果

Use Cookiecutter Data Science to generate, configure, validate, and troubleshoot reproducible data-science project templates and generated project 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。

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。

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。

Use MosaicML Composer for PyTorch training loops, speedup methods, loggers, checkpoints, distributed launch, profiling, and model export.

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 ComfyUI Save As Script and workflow export tasks into the CLI and Web UI sub-skills.

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 ComfyUI-LTXVideo custom nodes for LTX-2 video, audio, IC-LoRA, prompt-conditioning, and advanced ComfyUI 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 ComfyUI as a modular AI content-creation engine: launch and automate the server, submit API workflows, validate graph JSON, author custom nodes, and configure model paths/backends.

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 ColossalAI for distributed PyTorch training, large-model parallelism, Booster plugins, ShardFormer, Colossal-Inference, and first-party application workflow routing.

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 richzhang/colorization PyTorch colorizers for automatic image colorization, Python API calls, preprocessing/postprocessing, and runtime 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。

Use ColBERT/colbert-ai for late-interaction retrieval: prepare data, inspect configs, train/fine-tune, index collections, search rankings, update indexes, serve search, evaluate MS MARCO/LoTTE outputs, or reason about Baleen multi-hop retrieval.

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 ColabFold for protein structure prediction workflows: validate FASTA/CSV/A3M inputs, generate MSAs, plan batch predictions, inspect outputs, and troubleshoot optional AlphaFold, MMseqs2, JAX, GPU, and OpenMM dependencies.

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 Cognee AI memory platform tasks across SDK memory APIs, graph/RAG retrieval, configuration, custom pipelines, session memory, CLI, API, MCP, and deployment 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 CogDL graph-learning workflows for experiments, graph data, models, training wrappers, and pipeline apps.

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 code-review-graph for local-first CLI/MCP code knowledge graphs, graph-backed code review, structural search, and repository-analysis integrations.

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 tasks for discovering NLP datasets in the CLUEDatasetSearch catalogue, including Chinese NLP classification, QA, matching, NER, generation, translation, corpus, and reading-comprehension resources.

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 OpenAI CLIP for zero-shot image-text inference, prompt engineering, feature extraction, and responsible evaluation.

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 CLIP-as-service client, server, and CLIP search workflows for text/image embeddings, cross-modal ranking, and retrieval services.

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 ClearML Python SDK tasks across experiment tracking, data/versioned storage, remote execution CLIs, automation pipelines, HPO, schedulers, routers, and services.

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 ClearerVoice-Studio tasks for ClearVoice inference, SpeechScore metrics, and speech-model training or data-preparation 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 CleanRL's single-file reinforcement learning scripts, evaluation utilities, experiment operations, and repository maintenance workflows safely.

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。

Use ClawBio for local-first bioinformatics agent workflows: install and run its skill library, route genomic or omics inputs, create reproducible reports, connect optional MCP or Nextflow integrations, and author or validate skills.

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 CLAM for weakly supervised computational pathology workflows on whole-slide images, from WSI patching through features, training, evaluation, and heatmaps.

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 city2graph 1.0.0 Python package to construct, validate, transform, and troubleshoot geospatial, spatial-topology, morphology, mobility, transportation, heterogeneous, and GNN-ready graphs.

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。