#autoencoder Repositories
Entdecke 11 aktive Open-Source-GitHub-Repositories, die mit #autoencoder getaggt sind und insgesamt 11,184 Sterne gesammelt haben (durchschnittlich 1,016 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist PacktPublishing/Advanced-Deep-Learning-with-Keras mit 2,028 Sternen.
Insgesamt 11 Repositories
Advanced Deep Learning mit Keras, veröffentlicht von Packt
[NeurIPS 2020] Offizieller Code für die Arbeit „DeepSVG: A Hierarchical Generative Network for Vector Graphics Animation“. Enthält eine PyTorch-Bibliothek für Deep Learning mit SVG-Daten.
Formelerkennung und Office-Bearbeitung | Handschrift und PDF in LaTeX/Markdown umwandeln | Sichere API-Integrationen.
Laravel 6 und Vue Element Admin kombinierte Frontend-Backend-Trennungs-Projektvorlage. Enthält API-Ende, Admin-Ende, Mini-Programm und WeChat-Öffentlicher-Account-Ende, absolut die erste Wahl für Outsourcing oder eigene Projekte. Der Vorlageninhalt umfasst grundlegende Benutzerverwaltung und Berechtigungsverwaltung, Protokollverwaltung, Integration von Drittanbieter-Logins, Integration des GatewayWorker-Projekts im Workerman-Framework, um WebSocket zu implementieren und Echtzeit-Nachrichten-Push zu erreichen, und auf dieser Basis Chatraum- und Kundenservice-Funktionen umzusetzen; Low-Code-Entwicklung umsetzen, die den Inhalt und die Einstellungen von Datentabellen analysieren und Code automatisch generieren kann.
Eine Sammlung von Anomalie-Erkennungsmethoden (iid/punktbasiert, Graph und Zeitreihen), einschließlich Active Learning für Anomalie-Erkennung/Entdeckung, bayessches Regel-Mining, Beschreibung für Diversität/Erklärung/Interpretierbarkeit. Analyse der Integration von Label-Feedback mit Ensemble- und baumbasierten Detektoren. Beinhaltet adversariale Angriffe mit Graph Convolutional Network.
"DeepDPM: Tiefe Clusterbildung mit einer unbekannten Anzahl von Clustern" [Ronen, Finder und Freifeld, CVPR 2022]
PyTorch Dual-Attention LSTM-Autoencoder für multivariate Zeitreihen
[ICCV 2021] Focal Frequency Loss für Bildrekonstruktion und -synthese
Häufig gestellte Fragen
Welches ist das beliebteste #autoencoder-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#autoencoder-Projekt auf GitHub ist PacktPublishing/Advanced-Deep-Learning-with-Keras mit 2,028 Sternen. Advanced Deep Learning mit Keras, veröffentlicht von Packt
Welche Programmiersprachen werden in #autoencoder-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #autoencoder-Projekten auf GitHub sind Python, Jupyter Notebook, PHP die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #autoencoder-Repositories berechnet?
Wir verfolgen 11 aktive Open-Source-Repositories, die mit #autoencoder getaggt sind (500+ Sterne), mit insgesamt 11,184 Sternen und durchschnittlich 1,016 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.