#automatic-differentiation Repositories
Entdecke 50 aktive Open-Source-GitHub-Repositories, die mit #automatic-differentiation getaggt sind und insgesamt 94,135 Sterne gesammelt haben (durchschnittlich 1,882 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist karpathy/micrograd mit 19,036 Sternen.
Insgesamt 50 Repositories
Eine winzige skalare Autograd-Engine und eine neuronale Netzbibliothek darauf mit einer PyTorch-ähnlichen API
MindSpore ist ein neues Open-Source-Deep-Learning-Trainings-/Inferenz-Framework, das für mobile, Edge- und Cloud-Szenarien verwendet werden könnte.
Eine schnelle und flexible Implementierung von Algorithmen der Starrkörperdynamik und ihren analytischen Ableitungen
PennyLane ist eine Open-Source-Softwareplattform für Quantencomputing, Quanten-Maschinelles Lernen und Quantenchemie. Erstellen Sie sinnvolle Quantenalgorithmen, von der Inspiration bis zur Umsetzung.
Eigenständige Machine-Learning- und Natural-Language-Processing-Bibliothek in Go
Forschungsprogrammiersprache für Array-Verarbeitung in der Haskell/ML-Familie
Eine schnelle, ergonomische und tragbare Tensor-Bibliothek in Nim mit Fokus auf Deep Learning für CPU, GPU und eingebettete Geräte über OpenMP-, CUDA- und OpenCL-Backends
Schnelle Optimierung des Flugzeugdesigns durch Transformationen von Berechnungsgraphen (z. B. automatische Differentiation). Zusammensetzbare Analysewerkzeuge für Aerodynamik, Antrieb, Strukturen, Trajektorienentwurf und vieles mehr.
Tiny Differentiable Simulator ist eine Header-only C++ und CUDA Physikbibliothek für Reinforcement Learning und Robotik ohne Abhängigkeiten.
Schnelle differenzierbare Tensorbibliothek in JavaScript und TypeScript mit Bun + Flashlight
OptimLib: eine leichte C++-Bibliothek für numerische Optimierungsmethoden für nichtlineare Funktionen
Mathematische Optimierung in Julia. Lokal, global, gradientenbasiert und ableitungsfrei. Lineare, quadratische, konvexe, gemischt-ganzzahlige und nichtlineare Optimierung in einer einfachen, schnellen und differenzierbaren Schnittstelle.
Die Stan Math Library ist eine C++-Template-Bibliothek für automatische Differentiation beliebiger Ordnung unter Verwendung von Vorwärts-, Rückwärts- und gemischten Modi. Sie enthält eine Reihe eingebaute Funktionen für probabilistische Modellierung, lineare Algebra und Gleichungslösen.
„Deep Learning von Grund auf ❸“ (O'Reilly Japan, 2020)
Optimale Transportwerkzeuge, implementiert mit dem JAX-Framework, zur Lösung gross angelegter Matching-Probleme jeglicher Art.
Eine einfache Bibliothek zum Erstellen komplexer neuronaler Netze
Einführungen in die Schlüsselkonzepte der Quantenprogrammierung sowie Tutorials und Implementierungen aus der Spitzenforschung im Quantencomputing.
TorchOpt ist eine effiziente Bibliothek für differenzierbare Optimierung, die auf PyTorch aufbaut.
BackPACK - ein Backpropagation-Paket, das auf PyTorch aufbaut und effizient Mengen berechnet, die nicht der Gradient sind.
Häufig gestellte Fragen
Welches ist das beliebteste #automatic-differentiation-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#automatic-differentiation-Projekt auf GitHub ist karpathy/micrograd mit 19,036 Sternen. Eine winzige skalare Autograd-Engine und eine neuronale Netzbibliothek darauf mit einer PyTorch-ähnlichen API
Welche Programmiersprachen werden in #automatic-differentiation-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #automatic-differentiation-Projekten auf GitHub sind Python, C++, Julia, Jupyter Notebook die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #automatic-differentiation-Repositories berechnet?
Wir verfolgen 50 aktive Open-Source-Repositories, die mit #automatic-differentiation getaggt sind (500+ Sterne), mit insgesamt 94,135 Sternen und durchschnittlich 1,882 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.