「workflows」の検索結果

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。

Guides FastVideo video, image, and audio generation, config-first inference, serving, training, distillation, evaluation, and performance 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 FATE 2.2.0 federated-learning deployments, FateFlow Pipeline workflows, local launchers, and component CLI/runtime inspection.

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 for Feast feature store tasks: feature repositories, definitions, CLI, retrieval, materialization, serving, RAG/vector search, integrations, and Feast contributor 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。

Build, inspect, and reuse Featuretools automated feature engineering workflows for EntitySets, DFS, feature matrices, primitive authoring, feature inspection, and selection.

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 fg-data-profiling data profiling, report generation, configuration, CLI, comparison, privacy, and optional Spark/notebook integration 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。

Create, polish, and troubleshoot figures4papers-style publication-ready matplotlib figures, including grouped bars, trends, radar charts, heatmaps, concept diagrams, manifolds, and high-DPI/vector 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。

Guides Fiona workflows for GDAL-backed vector data I/O, GeoJSON-like features and schemas, CRS transforms, local virtual files, cloud-session boundaries, and the fio CLI.

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 FlagEmbedding for embedding, reranking, retrieval evaluation, and fine-tuning 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 Flash Linear Attention package workflows: setup, kernels, layers/models, KDA/context parallel, and benchmarking.

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 FlashRAG for retrieval-augmented generation research workflows: config/data validation, retrieval and index building, generation/refinement components, RAG pipelines/method reproduction, evaluation, and WebUI setup.

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 FlashText tasks for keyword extraction, replacement, fuzzy matching, keyword loading, and keyword-inspection 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 Fugue workflows, FugueSQL, backend selection, and notebook magics for pandas and distributed dataframe execution.

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。

Router for FunASR speech workflows: local transcription, subtitles, services, vLLM, normalization, and training/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。

Guide FunClip ASR video/audio clipping, LLM-assisted clipping providers, and release packaging 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 official 3D Gaussian Splatting setup, data preparation, training, rendering, evaluation, and viewer 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 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 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。

Load, generate, compile, rasterize, evaluate, train, and serve DeTikZify and Ti*k*Zero 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 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 Diffusion Policy for robot imitation-learning configs, zarr replay data, policy/model interfaces, training/evaluation workflows, and safety-gated real robot operations.

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 Dipy for diffusion MRI IO, preprocessing, reconstruction, tractography, registration, visualization-aware workflows, and command-line operations.

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 Distil-Whisper inference, PyTorch distillation training, and Flax reproduction 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 DIG (Dive into Graphs) to load graph-learning datasets, run graph generation, self-supervised learning, GNN explainability, 3D graph learning, GOOD OOD datasets, graph augmentation, fair graph learning, and large-scale graph 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。